EAGLE：基于航拍影像的真实场景大规模车辆检测数据集
计算机视觉与模式识别
2020-11-25 v3
摘要
从航拍影像中进行带方向估计的多类车辆检测是近景与遥感视觉领域的一项重要任务，可应用于交通监控与灾害管理。过去十年中，我们见证了地面影像中目标检测的重大进展，但航拍影像中的检测仍处于起步阶段，主要归因于多样且大规模数据集的匮乏。尽管作为不同应用的有用工具，现有航拍数据集仅部分反映了真实场景的挑战。为解决此问题，我们引入 EAGLE（oriEnted vehicle detection using Aerial imaGery in real-worLd scEnarios，基于航拍影像的真实场景定向车辆检测），一个用于航拍影像中带目标方向信息的多类车辆检测的大规模数据集。其特点是由不同真实世界情境组成的高分辨率航拍图像，具有多样的相机传感器、分辨率、飞行高度、天气、光照、雾、阴影、时间、城市、国家、遮挡和相机角度。标注由航拍影像专家完成，含小型与大型车辆类别。EAGLE 包含 215,986 个以四点定义的有向边界框及方向标注的实例，是迄今该任务中规模最大的数据集。它还支持雾与阴影去除以及超分辨率和图像修复应用的研究。我们定义了三项任务：（1）水平边界框检测，（2）旋转边界框检测，以及（3）有向边界框检测。我们进行了若干实验以评估多种最先进目标检测方法在我们的数据集上的表现，从而形成基线。实验表明，EAGLE 数据集准确反映了真实世界情境及相应的挑战性应用。
引用
@article{arxiv.2007.06124,
title = {EAGLE: Large-scale Vehicle Detection Dataset in Real-World Scenarios using Aerial Imagery},
author = {Seyed Majid Azimi and Reza Bahmanyar and Corenin Henry and Franz Kurz},
journal= {arXiv preprint arXiv:2007.06124},
year = {2020}
}
备注
Accepted in ICPR 2020