UAVDT Dataset

The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.

作者构建了一个名为UAVDT的新数据集，该数据集专注于复杂场景，并提出了新的挑战级别。从10小时的原始视频中精选，约80,000个具有代表性的帧被全面标注，包括边界框以及多达14种属性（例如，天气状况、飞行高度、摄像机视角、车辆类别和遮挡等），用于三项基本的计算机视觉任务：目标检测、单目标跟踪和多目标跟踪。

搜集汇总

数据集介绍

构建方式

UAVDT 数据集由作者团队从 10 小时无人机视频中抽取约 80,000 帧图像，并以 30fps、1080×540 分辨率的 JPEG 格式保存。在标注阶段，10 余名领域专家使用 Vatic 工具历时两个月完成标注，并经过多轮人工复核以降低误差。所有有效车辆目标均采用边界框标注，过小且分辨率不足的目标被有意忽略。

特点

数据集以车辆为核心研究对象（car、truck、bus），区别于以行人为主的传统监控数据集。除基础边界框外，还系统标注了多达 14 种属性信息，涵盖天气条件、飞行高度、相机视角、车辆类别、遮挡程度和出画比例等，为算法在复杂无人机场景下的鲁棒性评估提供了条件。

使用方法

UAVDT 可用于检测、单目标跟踪和多目标跟踪任务评测。数据集划分为训练集和测试集，其中训练与测试视频来自不同地点但具有相似属性分布，以减少场景过拟合风险。研究者可基于其属性标注进行细粒度分析，如不同高度、天气或遮挡条件下算法性能对比。

背景与挑战

背景概述

UAVDT Dataset 于 2018 年发布，是一个面向无人机视角的车辆检测与跟踪数据集，主要服务于目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）三类基础计算机视觉任务。数据集从约 10 小时无人机原始视频中筛选得到约 80,000 帧代表性图像，共标注约 0.84 百万个车辆目标，聚焦真实无人机应用场景下的复杂道路交通环境。

当前挑战

该数据集针对无人机视觉带来的新挑战而构建，包括：视角高度灵活导致的高目标密度、小尺度目标占比高、无人机高速飞行与相机转动引起的强烈相机运动，以及在嵌入式无人机平台上对实时性与精度并重的算法需求。

常用场景

经典使用场景

用于无人机视角下的车辆检测、多目标跟踪和单目标跟踪算法评测。

衍生相关工作

作为无人机检测与跟踪研究中的标准基准，被用于算法对比实验和性能分析。

数据集最近研究

最新研究方向

无人机目标检测、多目标跟踪、小目标感知与复杂场景鲁棒性研究