Multimodal Object Detection dataset

VEDAI: The VEDAI dataset comprises 1246 high-resolution RGB and infrared images, containing 3640 objects categorized into 8 common vehicle classes. Each image, with a resolution of 1024 × 1024 pixels, spans diverse terrains and environments. Notably, vehicles occupy only a small portion of the image pixels, making small object detection particularly challenging.DroneVehicle: The DroneVehicle dataset is a large-scale RGB-IR (visible-light and infrared) multimodal dataset designed for vehicle detection in drone imagery. It encompasses a variety of shooting conditions and scenarios, covering different perspectives, altitudes, and lighting conditions. The dataset includes five vehicle categories: car, truck, bus, van, and freight-car. VEDAI数据集：该数据集包含1246张高分辨率RGB与红外图像，共计3640个被划分为8类常见车辆的目标。单张图像分辨率为1024×1024像素，拍摄场景涵盖多样地形与环境。值得注意的是，车辆仅占图像像素的极小部分，这使得小目标检测任务极具挑战性。 DroneVehicle数据集：该数据集是一款大规模RGB-IR（可见光与红外）多模态数据集，专为无人机影像中的车辆检测任务设计。其涵盖丰富拍摄条件与场景，包含不同拍摄视角、飞行高度与光照环境。数据集共包含5类车辆目标：轿车（car）、卡车（truck）、巴士（bus）、厢式货车（van）以及货运车厢（freight-car）。

搜集汇总

背景与挑战

背景概述

该数据集是一个多模态目标检测数据集，包含VEDAI和DroneVehicle两个子集，专注于车辆检测。VEDAI提供1246张高分辨率RGB和红外图像，涵盖8类车辆，特点是车辆目标较小，适合小目标检测研究；DroneVehicle则是一个大规模RGB-IR数据集，专为无人机图像设计，覆盖多种拍摄条件和5类车辆，适用于多模态视觉任务。