five

VisDrone|计算机视觉数据集|无人机视觉数据集

收藏
Papers with Code2024-05-15 收录
计算机视觉
无人机视觉
下载链接:
https://paperswithcode.com/dataset/visdrone
下载链接
链接失效反馈
资源简介:
VisDrone is a large-scale benchmark with carefully annotated ground-truth for various important computer vision tasks, to make vision meet drones. The VisDrone2019 dataset is collected by the AISKYEYE team at Lab of Machine Learning and Data Mining, Tianjin University, China. The benchmark dataset consists of 288 video clips formed by 261,908 frames and 10,209 static images, captured by various drone-mounted cameras, covering a wide range of aspects including location (taken from 14 different cities separated by thousands of kilometers in China), environment (urban and country), objects (pedestrian, vehicles, bicycles, etc.), and density (sparse and crowded scenes). Note that, the dataset was collected using various drone platforms (i.e., drones with different models), in different scenarios, and under various weather and lighting conditions. These frames are manually annotated with more than 2.6 million bounding boxes of targets of frequent interests, such as pedestrians, cars, bicycl
AI搜集汇总
数据集介绍
main_image_url
构建方式
VisDrone数据集的构建基于无人机在不同场景下的视频和图像采集,涵盖了城市、乡村、交通等多种环境。数据集通过高分辨率摄像头捕捉,确保了图像和视频的高质量。为了增强数据的多样性,采集过程中考虑了不同天气条件、光照变化以及物体遮挡等因素。此外,数据集还包含了详细的标注信息,包括目标类别、边界框、跟踪ID等,为多任务学习提供了丰富的资源。
特点
VisDrone数据集以其广泛的场景覆盖和高质量的图像数据著称。该数据集不仅包含了多种目标类别,如行人、车辆、自行车等,还提供了多视角、多尺度的目标检测和跟踪信息。其独特的无人机视角为研究提供了新的挑战和机遇,尤其是在复杂背景和动态环境下的目标识别与跟踪任务中。此外,数据集的标注信息详尽且准确,为算法评估和模型训练提供了坚实的基础。
使用方法
VisDrone数据集适用于多种计算机视觉任务,包括但不限于目标检测、目标跟踪、图像分类和场景理解。研究者可以通过加载数据集中的图像和视频文件,利用提供的标注信息进行模型训练和验证。数据集的多样性和高质量使得其在学术研究和工业应用中均具有广泛的使用价值。为了充分利用数据集,建议结合最新的深度学习框架,如TensorFlow或PyTorch,进行模型设计和实验。
背景与挑战
背景概述
VisDrone数据集是由中国科学院自动化研究所(CASIA)和大连理工大学共同创建的,旨在推动无人机(UAV)视觉系统的研究。该数据集于2018年首次发布,包含了从多种无人机平台上收集的大量视频和静态图像,涵盖了城市、乡村和自然环境等多种场景。其核心研究问题是如何在复杂和动态的环境中,利用计算机视觉技术实现高效、准确的无人机目标检测和跟踪。VisDrone的发布极大地推动了无人机视觉技术的发展,为相关领域的研究人员提供了宝贵的资源和基准。
当前挑战
VisDrone数据集在构建和应用过程中面临多项挑战。首先,无人机拍摄的图像和视频具有高度的动态性和视角变化,这增加了目标检测和跟踪的难度。其次,数据集中包含了多种复杂场景和光照条件,如阴影、遮挡和低光照,这些因素对算法的鲁棒性提出了高要求。此外,数据集的标注工作也极具挑战性,需要精确标注大量动态目标的位置和行为,以确保训练模型的准确性和可靠性。这些挑战共同构成了VisDrone数据集在实际应用中的主要障碍。
发展历史
创建时间与更新
VisDrone数据集于2018年首次发布,旨在为无人机视觉任务提供一个全面且高质量的数据资源。该数据集自发布以来,经历了多次更新,最近一次更新是在2021年,进一步丰富了数据内容和多样性。
重要里程碑
VisDrone数据集的创建标志着无人机视觉研究领域的一个重要里程碑。其首次发布时,包含了超过10,000张图像和200,000个标注对象,涵盖了多种无人机视角下的目标检测和跟踪任务。2019年,该数据集增加了视频序列,进一步支持了动态场景下的研究。2020年,VisDrone与国际计算机视觉挑战赛(CVPR)合作,成为其官方数据集之一,极大地提升了其在学术界和工业界的影响力。
当前发展情况
当前,VisDrone数据集已成为无人机视觉研究中的标杆资源,广泛应用于目标检测、跟踪、场景理解等多个领域。其丰富的数据内容和高质量的标注,为研究人员提供了宝贵的实验基础,推动了无人机视觉技术的快速发展。此外,VisDrone数据集的开放性和持续更新,也促进了全球范围内的合作与交流,为无人机技术的实际应用奠定了坚实的基础。
发展历程
  • VisDrone数据集首次发布,包含由无人机拍摄的多种场景下的目标检测和跟踪数据。
    2018年
  • VisDrone数据集在CVPR(计算机视觉与模式识别会议)上正式公开,并成为无人机视觉研究的重要基准。
    2019年
  • VisDrone数据集扩展了其数据规模和多样性,增加了更多复杂场景和不同天气条件下的图像数据。
    2020年
  • VisDrone数据集在多个国际竞赛中被广泛使用,推动了无人机视觉技术的发展和应用。
    2021年
  • VisDrone数据集发布了新的版本,进一步优化了数据质量和标注准确性,提升了其在学术研究和工业应用中的价值。
    2022年
常用场景
经典使用场景
在计算机视觉领域,VisDrone数据集以其丰富的无人机视角图像和视频数据,成为研究目标检测、跟踪和场景理解的重要资源。该数据集涵盖了多种复杂的城市和乡村环境,为算法在不同光照、天气和视角条件下的鲁棒性提供了理想的测试平台。
实际应用
在实际应用中,VisDrone数据集支持了多种无人机相关的任务,如城市监控、灾害评估和农业监测。其丰富的数据和精确的标注为开发高效、准确的无人机视觉系统提供了坚实的基础,显著提升了这些系统的实用性和可靠性。
衍生相关工作
基于VisDrone数据集,研究者们开发了多种先进的计算机视觉算法,如改进的目标检测网络和多目标跟踪模型。这些工作不仅在学术界引起了广泛关注,还在实际应用中展现了显著的性能提升,推动了无人机视觉技术的快速发展。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国食物成分数据库

食物成分数据比较准确而详细地描述农作物、水产类、畜禽肉类等人类赖以生存的基本食物的品质和营养成分含量。它是一个重要的我国公共卫生数据和营养信息资源,是提供人类基本需求和基本社会保障的先决条件;也是一个国家制定相关法规标准、实施有关营养政策、开展食品贸易和进行营养健康教育的基础,兼具学术、经济、社会等多种价值。 本数据集收录了基于2002年食物成分表的1506条食物的31项营养成分(含胆固醇)数据,657条食物的18种氨基酸数据、441条食物的32种脂肪酸数据、130条食物的碘数据、114条食物的大豆异黄酮数据。

国家人口健康科学数据中心 收录

Breast Ultrasound Images (BUSI)

小型(约500×500像素)超声图像,适用于良性和恶性病变的分类和分割任务。

github 收录

HazyDet

HazyDet是由解放军工程大学等机构创建的一个大规模数据集,专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例,收集自自然雾霾环境和正常场景中人工添加的雾霾效果,以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型,确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测,旨在提高无人机在复杂环境中的感知能力。

arXiv 收录

PDT Dataset

PDT数据集是由山东计算机科学中心(国家超级计算济南中心)和齐鲁工业大学(山东省科学院)联合开发的无人机目标检测数据集,专门用于检测树木病虫害。该数据集包含高分辨率和低分辨率两种版本,共计5775张图像,涵盖了健康和受病虫害影响的松树图像。数据集的创建过程包括实地采集、数据预处理和人工标注,旨在为无人机在农业中的精准喷洒提供高精度的目标检测支持。PDT数据集的应用领域主要集中在农业无人机技术,旨在提高无人机在植物保护中的目标识别精度,解决传统检测模型在实际应用中的不足。

arXiv 收录

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL,主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录