UEVAVD：用于开发无人机视角主动目标检测的数据集
计算机视觉与模式识别
2024-11-12 v1 机器人学
摘要
遮挡是长期困扰无人机目标检测的难题。许多工作通过调整检测模型来解决此问题。然而，很少有工作利用无人机可以通过改变视角从根本上提升检测性能这一优势。主动目标检测（AOD）提供了一种有效实现此目的的方式。通过深度强化学习（DRL），AOD 赋予无人机自主路径规划能力，以搜索更有利于目标识别的观测。不幸的是，目前尚无可用于开发无人机 AOD 方法的数据集。为填补这一空白，我们发布了一个名为 UEVAVD 的无人机视角主动视觉数据集，希望它能促进无人机 AOD 问题的研究。此外，我们通过在学习状态表示时引入归纳偏置来改进现有的基于 DRL 的 AOD 方法。首先，由于部分可观测性，我们使用门控循环单元从观测序列中提取状态表示，而非单视角观测。其次，我们使用 Segment Anything Model（SAM）对场景进行预分解，并通过生成的掩码过滤无关信息。通过这些实践，智能体能够学习具有更好泛化能力的主动观测策略。我们在 UEVAVD 数据集上的实验验证了我们创新的有效性。我们的数据集将很快在 https://github.com/Leo000ooo/UEVAVD_dataset 上发布。
引用
@article{arxiv.2411.04348,
title = {UEVAVD: A Dataset for Developing UAV's Eye View Active Object Detection},
author = {Xinhua Jiang and Tianpeng Liu and Li Liu and Zhen Liu and Yongxiang Liu},
journal= {arXiv preprint arXiv:2411.04348},
year = {2024}
}