VisDrone2019 dataset

VisDrone2019数据集由天津大学机器学习和数据挖掘实验室的AISKYEYE团队收集，包含288个视频片段，共计261,908帧和10,209张静态图像。该数据集覆盖了广泛的地理位置、环境、对象类型和密度，适用于多种计算机视觉任务。

The VisDrone2019 dataset, collected by the AISKYEYE team from the Machine Learning and Data Mining Lab at Tianjin University, comprises 288 video clips, totaling 261,908 frames and 10,209 static images. This dataset spans a wide range of geographical locations, environments, object types, and densities, making it suitable for a variety of computer vision tasks.

原始信息汇总

数据集概述

名称: VisDrone-Dataset

收集者: AISKYEYE团队，天津大学机器学习和数据挖掘实验室

内容:

• 视频: 288个视频片段，共261,908帧
• 静态图像: 10,209张

特点:

• 多样性: 数据收集自中国14个不同城市，覆盖城市和乡村环境，包含行人、车辆、自行车等多种目标，以及稀疏和拥挤场景。
• 标注: 超过260万个目标边界框，包括行人、汽车、自行车和三轮车等。
• 属性: 提供场景可见性、对象类别和遮挡等重要属性。

数据集任务

1. 对象检测（图像）: 从无人机拍摄的单个图像中检测预定义类别的对象。
2. 对象检测（视频）: 从视频中检测对象，类似于任务1。
3. 单对象跟踪: 在视频帧中跟踪指定目标的状态。
4. 多对象跟踪: 恢复视频中每个帧中对象的轨迹。
5. 人群计数: 计算视频帧中的人数。

数据集下载

• 对象检测（图像）:

  • 训练集: 1.44 GB
  • 验证集: 0.07 GB
  • 测试集-dev: 0.28 GB（带标注）
  • 测试集-challenge: 0.28 GB

• 对象检测（视频）:

  • 训练集: 7.53 GB
  • 验证集: 1.49 GB
  • 测试集-dev: 2.14 GB（带标注）
  • 测试集-challenge: 2.70 GB

• 单对象跟踪:

  • 训练集-part1: 7.78 GB
  • 训练集-part2: 12.59 GB
  • 验证集: 1.29 GB
  • 测试集-dev: 11.27 GB（带标注）
  • 测试集-challenge-part1: 17.40 GB
  • 测试集-challenge-part2: 17.31 GB

• 多对象跟踪:

  • 训练集: 7.53 GB
  • 验证集: 1.48 GB
  • 测试集-dev: 2.14 GB（带标注）
  • 测试集-challenge: 2.70 GB

• 人群计数:

  • DroneCrowd: 1.03 GB

工具包

• 对象检测（图像）: Matlab beta工具包
• 对象检测（视频）: Matlab beta工具包
• 单对象跟踪: Matlab beta工具包
• 多对象跟踪: Matlab beta工具包

搜集汇总

数据集介绍

构建方式

VisDrone2019数据集由天津大学机器学习与数据挖掘实验室的AISKYEYE团队精心构建，涵盖了288个视频片段和10,209张静态图像，这些数据来源于中国14个不同城市的无人机拍摄，场景包括城市和乡村，对象包括行人、车辆、自行车等，密度涵盖稀疏和拥挤。数据集的多样性体现在不同无人机平台、场景和天气光照条件下拍摄，确保了数据的广泛适用性。所有图像和视频帧均经过人工标注，提供了超过260万个目标的边界框，并附有场景可见性、对象类别和遮挡等重要属性。

特点

VisDrone2019数据集的显著特点在于其广泛的覆盖范围和高质量的标注。数据集不仅包含了多种环境下的图像和视频，还特别关注了对象的多样性和场景的复杂性。此外，数据集提供了详细的属性信息，如场景可见性和对象遮挡情况，这为研究者提供了丰富的上下文信息，有助于提升模型的鲁棒性和准确性。

使用方法

VisDrone2019数据集主要用于五个计算机视觉任务：图像中的目标检测、视频中的目标检测、单目标跟踪、多目标跟踪和人群计数。研究者可以通过提供的下载链接获取数据集，并使用Matlab工具包进行数据处理和分析。数据集的多样性和详细标注使其适用于各种高级计算机视觉算法的开发和评估，为无人机视觉应用提供了坚实的基础。

背景与挑战

背景概述

随着无人机技术的广泛应用，如农业、航拍、快速配送和监控等领域，配备摄像头的无人机已成为获取视觉数据的重要工具。因此，对这些平台收集的视觉数据进行自动理解的需求日益增长，推动了计算机视觉与无人机的紧密结合。在此背景下，天津大学机器学习与数据挖掘实验室的AISKYEYE团队推出了VisDrone2019数据集，这是一个大规模的基准数据集，旨在为多种计算机视觉任务提供精确标注的地面实况数据。该数据集包含288个视频片段，共计261,908帧，以及10,209张静态图像，涵盖了从中国14个不同城市采集的多种场景，包括城市和乡村环境、不同密度的目标（如行人、车辆、自行车等）。这些数据在不同的无人机平台上采集，涵盖了多种天气和光照条件，为研究提供了丰富的多样性。

当前挑战

VisDrone2019数据集面临的挑战主要集中在四个任务上：图像中的目标检测、视频中的目标检测、单目标跟踪和多目标跟踪。这些任务不仅要求在复杂的环境中准确识别和跟踪目标，还需要处理由于无人机视角变化带来的动态背景和目标遮挡问题。此外，数据集的构建过程中也遇到了多样性采集和标注的挑战，包括不同城市、环境和天气条件下的数据采集，以及对超过260万个目标进行精确的手动标注。这些挑战不仅推动了计算机视觉技术的发展，也为相关领域的研究提供了宝贵的资源。

常用场景

经典使用场景

在无人机视觉领域，VisDrone2019数据集以其丰富的多维度数据成为研究热点。该数据集广泛应用于无人机图像和视频中的目标检测任务，涵盖了从城市到乡村的多种环境，以及从稀疏到拥挤的不同场景。通过该数据集，研究者能够训练和验证目标检测算法，从而提升无人机在复杂环境中的视觉感知能力。

衍生相关工作

基于VisDrone2019数据集，研究者们开展了一系列相关工作，推动了无人机视觉技术的发展。例如，有研究利用该数据集开发了高效的目标检测和跟踪算法，显著提升了无人机在复杂环境中的操作能力。此外，还有工作专注于数据集的多目标跟踪任务，提出了新的多目标跟踪框架，进一步提升了跟踪精度。这些衍生工作不仅丰富了无人机视觉领域的研究内容，也为实际应用提供了技术支持。

数据集最近研究

最新研究方向

在无人机视觉领域，VisDrone2019数据集的最新研究方向主要集中在多目标跟踪和人群计数上。随着无人机在城市监控和交通管理中的广泛应用，多目标跟踪技术能够有效提升无人机对动态场景的实时分析能力，从而在公共安全、交通流量监控等方面发挥重要作用。此外，人群计数技术的研究也日益受到关注，尤其是在大型集会和紧急疏散场景中，准确的人群计数能够为应急管理提供关键数据支持。这些研究不仅推动了无人机视觉技术的发展，也为实际应用提供了强有力的技术支撑。