Archangel

arXiv2023-08-09 更新2024-08-06 收录

下载链接：

http://arxiv.org/abs/2209.00128v3

下载链接

链接失效反馈

官方服务：

资源简介：

Archangel是一个混合的无人机基人类检测基准，包含真实和合成子集，这些子集在相似的成像条件下捕获，并附有无人机位置和物体姿态元数据。

Archangel is a hybrid drone-based human detection benchmark comprising real and synthetic subsets, both captured under similar imaging conditions and paired with metadata including drone positions and object poses.

创建时间：

2022-09-01

搜集汇总

数据集介绍

构建方式

在无人机视觉感知领域，数据集的构建需精准捕捉飞行器位姿与目标状态间的复杂关联。Archangel数据集通过融合真实与合成数据，系统性地构建了三个子集：Archangel-Real采集真实人类在站立、跪姿和俯卧三种姿态下的航拍视频，无人机按预设高度与盘旋半径自主飞行；Archangel-Mannequin使用人体模型及民用车辆作为目标，在相同飞行条件下获取图像；Archangel-Synthetic则基于Unity引擎生成虚拟场景，通过程序化控制相机位姿、光照条件与角色姿态，生成了涵盖广泛高度、半径与视角的大规模合成图像。所有子集均标注了目标边界框、无人机位置、目标姿态等元数据，形成了多模态协同的数据体系。

特点

Archangel的突出特点在于其丰富的元数据体系与混合数据架构。作为首个同时提供真实与合成子集的无人机目标检测基准，它完整记录了每帧图像的无人机高度、盘旋半径、相机俯仰角及目标姿态信息，使得研究者能够依据精确的位姿元数据进行模型诊断与性能分析。数据集覆盖了从5米至80米的高度范围与多种盘旋半径，目标姿态涵盖站立、跪姿与俯卧三种典型状态，有效模拟了搜索救援等场景中的人体异位姿态。合成子集通过可控的光照与场景参数，提供了高度可扩展的数据增强资源，为研究域适应与合成数据优化提供了理想实验平台。

使用方法

该数据集适用于无人机目标检测模型的评估、诊断与优化研究。使用者可基于Archangel-Real作为核心测试集，利用其位姿元数据在高度-半径网格上精细化分析模型性能变化；Archangel-Mannequin可作为真实域微调数据，用于适配无人机视角下的检测模型；Archangel-Synthetic则能用于合成数据增强、域适应及混合训练策略的探索。研究实践中，可借鉴论文所述的平衡采样方法，构建真实与合成数据混合的微调集，以提升模型对罕见姿态的检测能力，并利用元数据实现跨位姿的性能对比与模型缺陷定位。

背景与挑战

背景概述

无人机技术在边缘计算与移动平台的推动下，已广泛应用于搜救、监视、精准农业等领域，其核心依赖于对实时影像进行高效目标检测与识别的能力。然而，与地面摄像头采集的数据相比，无人机视角下的目标检测面临因飞行高度、视角、湍流及天气变化导致的物体外观剧烈波动，这为机载检测模型带来了严峻挑战。为应对这一难题，由马里兰大学、陆军研究实验室等机构的研究团队于2022年联合创建了Archangel数据集，作为首个融合真实与合成子集的无人机基准数据集。该数据集不仅提供了详尽的位置与姿态元数据，还通过精心设计的成像条件，旨在推动模型学习对视角、尺度及图像质量变化具有不变性的特征，从而显著提升无人机感知的检测精度，对无人机视觉领域的研究具有里程碑意义。

当前挑战

Archangel数据集致力于解决无人机视角下目标检测的核心挑战，即模型需克服因飞行姿态变化引起的物体外观剧烈波动，从而实现精准的人类检测。具体而言，该领域问题面临的挑战包括：目标在图像中通常尺度极小且分布稀疏；无人机特有的飞行高度与视角变化导致物体外观发生巨大变异；以及现有基准数据集普遍缺乏详细的元数据，限制了模型诊断与优化能力。在数据集构建过程中，研究团队亦面临多重挑战：真实数据采集需在安全规范下协调人类目标长时间保持特定姿态；合成数据生成需在虚拟环境中精确模拟多样化的成像条件与光照变化；以及如何确保真实与合成子集在成像条件上保持一致，以支持有效的域适应与数据增强研究。

常用场景

经典使用场景

在无人机视觉感知领域，Archangel数据集以其独特的元数据架构成为评估目标检测模型鲁棒性的重要基准。该数据集通过精确记录无人机飞行高度、旋转半径及目标姿态等元数据，为研究者提供了系统分析模型在复杂飞行条件下性能变化的实验平台。经典使用场景涉及利用其结构化元数据网格，对YOLOv5等先进检测器进行跨姿态、跨尺度的系统性评估，特别是在模拟搜救任务中针对俯卧等非常规姿态的检测能力验证。

衍生相关工作

基于Archangel数据集丰富的元数据特性，衍生出多项创新性研究。在模型诊断方向，研究者利用其位置网格数据开发了可视化分析工具，实现了检测性能与飞行参数的关联映射。在跨域学习领域，该数据集启发了基于元数据的对抗训练方法，如NDFT框架通过解耦飞行干扰因素提升模型鲁棒性。此外，其合成数据生成范式推动了无人机视觉中可控数据增强技术发展，为后续的生成式数据扩充研究提供了基准参照。

数据集最近研究