SimD3：包含载荷与鸟类干扰物建模的鲁棒检测合成无人机数据集
计算机视觉与模式识别
2026-01-22 v1
摘要
由于标注的真实世界数据有限、外观变化大以及存在视觉上相似的干扰物（如鸟类），可靠的无人机检测具有挑战性。为了应对这些挑战，本文介绍了 SimD3，这是一个大规模高保真合成数据集，专为复杂空中环境中的鲁棒无人机检测而设计。与现有的合成无人机数据集不同，SimD3 显式地对具有异构载荷的无人机进行建模，将多种鸟类作为真实的干扰物纳入其中，并利用具有受控天气、光照和飞行轨迹的多样化 Unreal Engine 5 环境，通过 360 度六相机装置进行捕捉。使用 SimD3，我们在 YOLOv5 检测框架内进行了广泛的实验评估，包括一种名为 Yolov5m+C3b 的注意力增强变体，其中标准的基于瓶颈的 C3 模块被 C3b 模块取代。模型在合成数据、合成与真实组合数据以及多个未见过的真实世界基准上进行了评估，以评估鲁棒性和泛化能力。实验结果表明，SimD3 为小目标无人机检测提供了有效的监督，并且 Yolov5m+C3b 在域内和跨数据集评估中始终优于基线。这些发现突出了 SimD3 在多样化和具有挑战性的条件下训练和基准测试鲁棒无人机检测模型的效用。
引用
@article{arxiv.2601.14742,
title = {SimD3: A Synthetic drone Dataset with Payload and Bird Distractor Modeling for Robust Detection},
author = {Ami Pandat and Kanyala Muvva and Punna Rajasekhar and Gopika Vinod and Rohit Shukla},
journal= {arXiv preprint arXiv:2601.14742},
year = {2026}
}