YouTube-GDD:一个具有丰富上下文信息的挑战性枪支检测数据集
计算机视觉与模式识别
2022-03-09 v1 人工智能
摘要
自动枪支检测系统可在早期阶段发现潜在的涉枪暴力,对公民安全至关重要。在整个系统中,目标检测算法是感知环境的关键,使系统能够检测手枪和步枪等危险物体。然而,主流的基于深度学习的目标检测算法严重依赖大规模高质量标注样本,且现有枪支数据集具有分辨率低、上下文信息少和数据量小的特点。为推动安全领域发展,本工作提出一个名为 YouTube 枪支检测数据集 (YouTube-GDD) 的新挑战性数据集。我们的数据集收集自 343 个高清 YouTube 视频,包含 5000 张精选图像,其中标注了 16064 个枪支实例和 9046 个人体实例。与其他数据集相比,YouTube-GDD 是“动态”的,包含丰富的上下文信息,并记录射击过程中枪支的形状变化。为建立枪支检测基线,我们在 YouTube-GDD 上评估 YOLOv5 并分析额外相关标注信息对枪支检测的影响。YouTube-GDD 及后续更新将发布于 https://github.com/UCAS-GYX/YouTube-GDD。
引用
@article{arxiv.2203.04129,
title = {YouTube-GDD: A challenging gun detection dataset with rich contextual information},
author = {Yongxiang Gu and Xingbin Liao and Xiaolin Qin},
journal= {arXiv preprint arXiv:2203.04129},
year = {2022}
}
备注
4 pages, 1 figure