基于事件的微型目标检测：一个基准数据集和基线
计算机视觉与模式识别
2025-07-01 v1
摘要
小目标检测（SOD）在反无人机任务中是一个具有挑战性的问题，由于无人机体积小且背景复杂。传统帧基相机由于帧率低、动态范围有限以及数据冗余，在处理复杂环境中的小目标检测方面难以胜任。事件相机具有微秒级时间分辨率和高动态范围，为 SOD 提供了更有效的解决方案。然而，现有基于事件的对象检测数据集规模有限、目标尺寸偏大且缺乏多样化背景，难以作为 SOD 的基准。本文引入了一个基于事件的小目标检测（EVSOD）数据集（即 EV-UAV），是反无人机任务中首个大规模、高度多样化的基准。该数据集包含 147 个序列，超过 230 万个事件级标注， featuring 极小目标（平均为 6.8 5.4 像素）以及多种多样的场景，如城市杂乱和极端光照条件。进一步地，基于小移动目标在时空事件点云中形成连续曲线的观察，我们提出了基于事件的稀疏分割网络（Event based Sparse Segmentation Network, EV-SpSegNet），这是一种用于点云空间中事件分割的新型基线，以及一种时空相关（Spatiotemporal Correlation, STC）损失，利用运动连续性引导网络保留目标事件。在 EV-UAV 数据集上的大量实验表明，我们的方法优于现有方法，为未来的 EVSOD 研究提供了基准。数据集和代码均已公开于 https://github.com/ChenYichen9527/Ev-UAV。
引用
@article{arxiv.2506.23575,
title = {Event-based Tiny Object Detection: A Benchmark Dataset and Baseline},
author = {Nuo Chen and Chao Xiao and Yimian Dai and Shiman He and Miao Li and Wei An},
journal= {arXiv preprint arXiv:2506.23575},
year = {2025}
}