ForestPersons：大规模林下缺失人士检测数据集
计算机视觉与模式识别
2026-03-04 v1
摘要
在森林环境中检测缺失人士 remains 挑战，因为密集的树冠常常掩盖了来自无人机（UAVs）捕获的俯视或斜侧航空图像中的个人。虽然UAVs 对覆盖大范围不可到达区域有效，但其航空视角往往遗漏森林林下的关键视觉线索。这一局限性凸显了更适合森林林下人士检测的视角需求。为此，我们引入了 ForestPersons，一个专为林下人士检测设计的新型大规模数据集。ForestPersons 包含 96,482 张图片和 204,078 个标注，涵盖多样环境和时间条件。每个标注包括边界框、姿态和可见性标签，以进行遮挡感知分析。ForestPersons 提供接近Micro Aerial Vehicles（MAVs）在森林搜救（SAR）任务中所遇视觉条件的地面和低空视角。我们的基线评估显示，标准目标检测模型在ForestPersons 上表现有限，这表明先前的基准测试与林下人士检测的挑战不够匹配。这一数据集旨在支持实际SAR场景中先进的人士检测能力。数据集公开可访问于 https://huggingface.co/datasets/etri/ForestPersons。
引用
@article{arxiv.2603.02541,
title = {ForestPersons: A Large-Scale Dataset for Under-Canopy Missing Person Detection},
author = {Deokyun Kim and Jeongjun Lee and Jungwon Choi and Jonggeon Park and Giyoung Lee and Yookyung Kim and Myungseok Ki and Juho Lee and Jihun Cha},
journal= {arXiv preprint arXiv:2603.02541},
year = {2026}
}
备注
ICLR 2026 Accepted