WebUAV-3M：揭示百万规模深度无人机跟踪能力的基准
计算机视觉与模式识别
2023-01-03 v4
摘要
无人机（UAV）跟踪对于交付和农业等广泛应用具有重要意义。该领域以往的基准主要关注小规模跟踪问题，而忽视了所涉及的数据量、数据模态类型、目标类别与场景的多样性以及评估协议，极大地掩盖了深度无人机跟踪的巨大能力。在本工作中，我们提出 WebUAV-3M，迄今为止最大的公开无人机跟踪基准，以促进深度无人机跟踪器的开发与评估。WebUAV-3M 包含超过 330 万帧、4500 个视频，并提供 223 个高度多样的目标类别。每个视频都通过高效且可扩展的半自动目标标注（SATA）流水线以边界框进行密集标注。重要的是，为利用语言和音频的互补优势，我们通过创新性地提供自然语言描述和音频描述来丰富 WebUAV-3M。我们相信此类补充将极大推动未来在探索语言特征与音频线索用于多模态无人机跟踪方面的研究。此外，我们构建了细粒度的无人机场景约束下跟踪（UTUSC）评估协议和七个具有挑战性的场景子集，以使社区能够开发、适配和评估各类先进跟踪器。我们对 43 个代表性跟踪器进行了广泛评估和详细分析，并展望了深度无人机跟踪及更广义领域的未来研究方向。数据集、工具包和基线结果可在 \url{https://github.com/983632847/WebUAV-3M} 获取。
引用
@article{arxiv.2201.07425,
title = {WebUAV-3M: A Benchmark for Unveiling the Power of Million-Scale Deep UAV Tracking},
author = {Chunhui Zhang and Guanjie Huang and Li Liu and Shan Huang and Yinan Yang and Xiang Wan and Shiming Ge and Dacheng Tao},
journal= {arXiv preprint arXiv:2201.07425},
year = {2023}
}
备注
25 pages