Drone Detection Dataset

无人机检测数据集包含51446个训练图像和5375个测试图像，图像分辨率为640x480 RGB，展示了不同类型、大小、比例、位置和环境中的无人机。数据集还包含相应的XML标签，适用于Haar Cascade训练，并可轻松修改以用于ANN训练。图像由作者手动标注，后续图像通过训练的Haar Cascade/ANN辅助标注以减少时间。

The drone detection dataset comprises 51,446 training images and 5,375 test images, each with a resolution of 640x480 RGB. These images depict drones of various types, sizes, scales, positions, and environmental contexts. The dataset also includes corresponding XML labels suitable for Haar Cascade training and can be easily adapted for ANN (Artificial Neural Network) training. The images were manually annotated by the authors, with subsequent images being annotated with the assistance of trained Haar Cascade/ANN models to reduce time.

原始信息汇总

数据集概述

数据集名称

• Real World Object Detection Dataset For Quadcopter Unmanned Aerial Vehicle (UAV)

作者

• Maciej Pawełczyk
• Marek Wojtyra

许可

• 本项目根据MIT许可证发布。视频来源及其对应的视频图像/帧从YouTube公开视频中提取，详细列表见Video_Sources.txt。

数据集描述

• 包含51446张训练图像和5375张测试图像，均为640x480 RGB格式，展示不同类型、大小、比例、位置、环境的无人机。图像附带XML标签，适用于Haar Cascade训练，也可轻松修改用于ANN训练。
• 图像由第一作者手动标注，后续图像通过训练的Haar Cascade/ANN辅助标注以减少时间。

数据集可用性

• 训练集和测试集各提供100张图像的样本：
  • 训练集样本
  • 测试集样本
• 完整数据集（约5GB）已上传至云存储服务，链接见Dataset Source。

模型可用性

• 10个最佳模型（按准确度排序）及其对应的CKPT文件可在云存储中找到。

引用

• 使用或引用此数据集时，请考虑引用以下论文：
  • M. Ł. Pawełczyk and M. Wojtyra, "Real World Object Detection Dataset for Quadcopter Unmanned Aerial Vehicle Detection," in IEEE Access, vol. 8, pp. 174394-174409, 2020, doi: 10.1109/ACCESS.2020.3026192.

搜集汇总

数据集介绍

构建方式

该数据集的构建基于从公开的YouTube视频中提取的帧，涵盖了多种环境、时间和无人机类型。初始的标注工作由主要作者手动完成，随后通过训练的Haar Cascade/ANN模型进行自动标注，以提高效率。数据集包含51446张训练图像和5375张测试图像，分辨率为640x480的RGB格式，并附带XML标签，适用于Haar Cascade和ANN模型的训练。

特点

该数据集的显著特点在于其多样性和广泛的应用场景，涵盖了不同尺寸、位置和环境下的无人机图像，有效避免了模型过拟合问题。此外，数据集的标注过程结合了人工和自动化方法，确保了标注的准确性和效率。

使用方法

用户可以通过提供的链接访问完整的训练和测试数据集，以及预训练的Haar Cascade和ANN模型。数据集适用于无人机检测任务，用户可以根据需要选择合适的模型进行训练或直接使用预训练模型进行检测。使用时，建议引用相关文献以尊重数据集的原创性。

背景与挑战

背景概述

无人机（UAV）在现代社会中的应用日益广泛，但其潜在的安全隐患也引发了广泛关注。为应对无人机在隐私侵犯和基础设施入侵方面的风险，华沙理工大学动力与航空工程学院的Maciej Pawełczyk和Marek Wojtyra在攻读博士学位期间，创建了Drone Detection Dataset。该数据集专注于无人机在多种环境中的检测，而非跟踪，旨在通过机器学习方法降低监控成本，保护敏感区域。数据集包含51,446张训练图像和5,375张测试图像，均为640x480 RGB格式，并附有XML标签，适用于Haar Cascade和人工神经网络（ANN）的训练。该数据集的创建不仅填补了现有无人机数据集在环境多样性方面的空白，还为无人机检测技术的研究提供了重要资源。

当前挑战

Drone Detection Dataset在构建过程中面临多项挑战。首先，无人机检测在复杂环境中的准确性是一个主要难题，尤其是在光线变化、遮挡和不同天气条件下。其次，数据集的标注工作量巨大，尽管通过Haar Cascade和ANN的初步训练减少了部分手动标注的工作，但仍需大量人工干预。此外，如何在高计算需求与边缘设备应用之间取得平衡，也是该数据集在实际应用中需要解决的问题。最后，数据集的多样性和代表性要求研究人员在不同场景和时间条件下采集大量数据，这增加了数据收集和处理的复杂性。

常用场景

经典使用场景

无人机检测数据集（Drone Detection Dataset）在无人机检测领域中具有广泛的应用场景。该数据集主要用于训练和评估无人机检测算法，特别是在复杂环境下的无人机识别。通过提供多样化的无人机图像，包括不同尺寸、位置、时间和环境条件下的样本，该数据集能够有效支持基于Haar级联和人工神经网络（ANN）的无人机检测模型的开发与优化。

解决学术问题

该数据集解决了无人机检测领域中的多个关键学术问题，特别是在复杂环境下的无人机识别和跟踪。传统的无人机数据集多侧重于跟踪任务，而本数据集则专注于检测，有效避免了模型过拟合问题。此外，该数据集通过提供多样化的环境样本，提升了模型在不同场景下的泛化能力，为无人机检测技术的研究提供了重要支持。

衍生相关工作

基于无人机检测数据集，已衍生出多项经典工作，特别是在无人机检测算法的研究与优化方面。例如，研究者们利用该数据集训练了多种基于Haar级联和ANN的检测模型，并在实际场景中进行了验证。此外，该数据集还激发了关于无人机检测与跟踪结合的研究，推动了无人机安全监控技术的进一步发展。