面向无人机的全方位目标检测基准: 更清晰、更灵活、更精确
计算机视觉与模式识别
2025-04-29 v1
摘要
无人机(UAV)在物流、农业自动化、城市管理和应急响应等领域的应用高度依赖于 Oriented Object Detection(OOD)以提升视觉感知能力。虽然现有UAV OOD数据集提供了宝贵资源，但往往为特定的下游任务设计，导致在实际飞行场景中的泛化性能有限，无法充分展示在实际环境中算法的有效性。为弥合这一关键差距，我们引入CODrone，一个全面覆盖无人机OVD数据集，准确反映真实世界条件，同时作为新的基准进行设计，确保其在UAV OOD中具有更好的适用性和鲁棒性。基于应用需求，我们识别了当前UAV OOD数据集中的四个关键局限——图像分辨率不足、目标类别有限、单视角成像以及飞行高度受限——并提出相应的改进措施以增强其适用性和鲁棒性。此外，CODrone包含来自多个城市、各种光照条件下的大量标注图像，增强了基准的真实性。为严格评估CODrone作为新基准的效果并深入了解其所呈现的新挑战，我们基于22个经典或SOTA方法开展了系列实验。我们的评估不仅评估了CODrone在真实场景中的有效性，还揭示了在UAV OOD应用中关键的瓶颈和机遇。总体而言，CODrone弥补了UAV OOD数据方面的空白，提供了一个具备更强泛化能力的基准，更好地与实际应用和未来算法发展保持一致。
关键词
引用
@article{arxiv.2504.20032,
title = {More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV},
author = {Kai Ye and Haidi Tang and Bowen Liu and Pingyang Dai and Liujuan Cao and Rongrong Ji},
journal= {arXiv preprint arXiv:2504.20032},
year = {2025}
}