AirBirds

Name: AirBirds
Creator: 中国人民大学
Published: 2023-04-23T22:19:28+08:00

arXiv2023-04-23 更新2024-06-21 收录

机场安全

鸟击预防

数据链接：

https://airbirdsdata.github.io/数据链接链接失效反馈

官方服务：

资源简介：

AirBirds是一个专为机场鸟击预防设计的大型挑战性数据集，由中国人民大学创建。该数据集包含118,312张时间序列图像，总计409,967个飞行鸟类的边界框标注，图像分辨率为1920x1080，平均标注实例大小小于10像素。数据集通过在真实机场部署的摄像头网络，覆盖了一整年的四季，记录了多种鸟类、光照条件和13种气象场景。创建过程历时两年，涉及数据收集、预处理、标注和分割等多个阶段。AirBirds旨在解决机场鸟击问题，通过提供真实世界机场中的飞行鸟类数据，推动鸟击预防技术的研究与应用。

AirBirds is a large-scale challenging dataset specifically designed for airport bird strike prevention, created by Renmin University of China. This dataset includes 118,312 time-series images, with a total of 409,967 bounding box annotations for flying birds. The image resolution is 1920×1080, and the average size of each annotated instance is less than 10 pixels. The dataset was gathered through a network of cameras deployed at real-world airports, covering all four seasons across a full year, and records diverse bird species, varying lighting conditions, and 13 types of meteorological scenarios. The entire creation process spanned two years, involving multiple stages such as data collection, preprocessing, annotation, and dataset splitting. AirBirds aims to tackle the airport bird strike issue, and advance the research and application of bird strike prevention technologies by providing real-world flying bird data collected from actual airport environments.

提供机构：

中国人民大学

创建时间：

2023-04-23

搜集汇总

数据集介绍

构建方式

AirBirds数据集的构建始于2020年9月至2021年8月，在一个真实机场（四川双流国际机场）进行的为期一年的数据收集工作。期间，部署了多个高分辨率摄像头网络，以捕捉飞行中的鸟类。数据收集过程中，为了减少冗余并确保数据的多样性，采用了按时间顺序采样图像的策略。随后，对收集到的视频进行预处理，包括背景减除和图像差分等步骤，以初步识别飞行中的鸟类。最后，通过人工标注的方式，对鸟类实例进行精确的边界框标注，以确保数据集的质量和准确性。

特点

AirBirds数据集的特点在于其规模庞大，包含11.8万张时间序列图像，以及40.9万个飞行鸟类的边界框标注。这些图像涵盖了四个季节的多样性场景，包括不同的光照条件和13种气象状况。与其他数据集相比，AirBirds的独特之处在于其收集到的鸟类实例通常非常小，在1920x1080像素的图像中，平均大小小于10像素，这使得数据集具有更高的挑战性。此外，AirBirds是首个直接从真实机场环境中收集飞行鸟类图像的大规模数据集，为鸟类撞击预防研究提供了宝贵的第一手资料。

使用方法

使用AirBirds数据集进行鸟类撞击预防研究时，首先需要将数据集分为训练集和测试集，以便于模型的训练和评估。在训练模型时，可以根据数据集的特点调整锚框的比例和尺度，以及学习率等超参数。此外，由于数据集中的鸟类实例非常小，因此在训练过程中可能需要采用更精细的标注策略，以及针对小目标检测的算法。在评估模型性能时，可以采用平均精度（AP）和每秒帧数（FPS）等指标，以评估模型的准确性和效率。最后，研究人员可以根据实际需求，对数据集进行进一步的细分和分析，以探索不同场景下的鸟类检测难度和挑战。

背景与挑战

背景概述

在鸟类撞击防范研究中，缺乏大规模的、直接来自现实机场的数据集一直是一个根本性限制。现有的相关数据集要么规模较小，要么并非专门为此目的而设计。为了推进鸟类撞击防范研究和实际解决方案，本研究提出一个大规模、具有挑战性的数据集AirBirds，该数据集由118,312个时间序列图像组成，其中包含409,967个飞鸟的边界框标注。这些图像是在一年四季中，通过部署在现实机场的摄像机网络捕获的，涵盖了多种鸟类、光照条件和13种气象场景。据我们所知，这是第一个直接收集现实机场飞鸟的大规模图像数据集，旨在用于鸟类撞击防范。该数据集已在公开网站上发布。

当前挑战

鸟类撞击事故不仅造成经济损失，还可能造成人员伤亡。尽管已经设计了各种系统来防止鸟类撞击，但随着商业活动和航班量的增加，事故仍然不断发生。提高鸟类撞击防范系统的性能仍然是一个研究挑战。一个根本性限制是缺乏大规模的、直接来自现实机场的数据集。一方面，现实机场在摄像机系统部署方面有严格的安全和隐私规定；另一方面，开发一个涉及一系列耗时和劳动密集型工作的数据集不可避免地是昂贵的。现有的相关数据集要么规模较小，要么并非专门用于鸟类撞击防范。本研究提出的AirBirds数据集具有三个显著特点：（1）图像专门来自现实机场，为鸟类撞击防范研究提供了罕见的第一手资料；（2）数据收集跨越全年，覆盖了不同季节和变化场景下的丰富鸟类实例；（3）与现有数据集相比，AirBirds的分布独特，其中88%的实例小于10像素，其余12%在10到50像素之间。这些特点使得AirBirds数据集在鸟类撞击防范研究中具有重要的价值，但也带来了相应的挑战。

常用场景

经典使用场景

在机场鸟击预防研究中，AirBirds数据集被广泛应用于鸟类检测与识别。通过分析该数据集中118,312张时间序列图像，研究人员可以训练和评估鸟类检测算法，以识别飞行中的鸟类，并预测它们与飞机碰撞的可能性。此外，AirBirds数据集还被用于研究不同季节和气象条件下鸟类的行为模式，以及它们对机场周围环境的影响。

衍生相关工作

AirBirds数据集的发布推动了鸟类检测和鸟击预防领域的研究。基于该数据集，研究人员开发了许多新的算法和模型，以提升鸟类检测的准确性和效率。此外，AirBirds数据集还促进了跨学科的合作，例如与生态学、气象学等领域的专家合作，共同研究鸟类行为模式和气象条件对鸟击风险的影响。这些相关工作为鸟击预防提供了新的思路和方法，推动了该领域的进一步发展。

数据集最近研究