视觉遇上无人机：一项挑战

本文提出一个名为 VisDrone2018 的大规模视觉目标检测与跟踪基准，旨在推进无人机平台上的视觉理解任务。该基准中的图像与视频序列采集自中国南北 14 个不同城市的各类城市/郊区区域。具体而言，VisDrone2018 包含 263 个视频片段与 10,209 张图像（与视频片段无重叠），带有丰富标注，包括目标边界框、目标类别、遮挡、截断比等。经大量投入，我们的基准在 179,264 张图像/视频帧中包含超过 250 万个标注实例。作为已发布的最大此类数据集，该基准支持对无人机平台视觉分析算法进行广泛评估与研究。特别地，我们基于该基准设计了四项流行任务，包括图像中的目标检测、视频中的目标检测、单目标跟踪与多目标跟踪。由于遮挡、大尺度与姿态变化及快速运动等因素，这些任务在所提数据集中极具挑战性。我们希望该基准大幅推动无人机平台视觉分析的研究与开发。