FOD-A：一种机场外来物碎片数据集
计算机视觉与模式识别
2022-01-28 v2 机器学习
摘要
外来物碎片（FOD）检测在机器学习与计算机视觉领域已引起越来越多的关注。然而，一个稳健且公开可用的 FOD 图像数据集尚未建立。为此，本文介绍了一个名为机场外来物碎片（FOD-A）的 FOD 图像数据集。FOD-A 的物体类别是基于美国联邦航空管理局（FAA）的先前文档与相关研究指导选定的。除用于目标检测的主要边界框标注外，FOD-A 还提供了带标注的环境条件。因此，每个标注实例进一步被划分为三个光照水平类别（明亮、昏暗和黑暗）与两个天气类别（干燥和潮湿）。目前，FOD-A 已发布 31 个物体类别与超过 30,000 个标注实例。本文介绍了创建方法，讨论了公开可用数据集的扩展过程，并利用广泛使用的机器学习目标检测模型展示了 FOD-A 的实用性。
引用
@article{arxiv.2110.03072,
title = {FOD-A: A Dataset for Foreign Object Debris in Airports},
author = {Travis Munyer and Pei-Chi Huang and Chenyu Huang and Xin Zhong},
journal= {arXiv preprint arXiv:2110.03072},
year = {2022}
}
备注
This paper has been accepted for publication by 20th IEEE International Conference on Machine Learning and Applications. The copyright is with the IEEE