【目标跟踪】AntiUAV410数据集详细介绍

上一篇博客介绍了Anti-UAV数据集（【目标跟踪】Anti-UAV数据集详细介绍-CSDN博客），本篇将介绍Anti-UAV410，实际是在Anti-UAV数据集还存在的小问题进行了数据改进（不是对源数据直接修改，是新的数据集补齐了Anti-UAV的短板）。

还有一点要提前说明，Anti-UAV数据集是双模态的数据集（RGB和TIR的视频对），Anti-UAV410是单模态的数据集（TIR视频)。

论文链接：Anti-UAV410: A Thermal Infrared Benchmark and Customized Scheme for Tracking Drones in the Wild | IEEE Journals & Magazine | IEEE Xplorehttps://ieeexplore.ieee.org/document/10325629代码链接：HwangBo94/Anti-UAV410: The benchmark of AntiUAV410.https://github.com/HwangBo94/Anti-UAV410/tree/main

1、Introduction概述

传统的热红外图像跟踪一般都是关注大尺寸的目标，并不适用与小目标跟踪（例如无人机）。虽然已经引入了Anti-UAV数据集来解决无人机跟踪的问题，但是还存在不能反映真实场景的局限。（也就是说，Anti-UAV410数据集的提出团队认为已有的Anti-UAV数据集没有很好的还原真实的无人机飞行场景）

因此，提出了Anti-UAV410数据集，该数据集包含了410条序列（这也是数据集名字的由来），共有超过438k个边界框（标注的非常仔细了）。下图是从Anti-UAV410数据集中截取的不同场景的图片 (a):lakes (b):buildings (c):forests (d):hills

2、Data Collection数据收集

Anti-UAV410数据集为了创造更为真实的环境，作者团队在各种各样的复杂环境进行视频捕获。这些场景包括白天和夜晚（光线不同）、秋天和冬天（季节不同），以及多种背景（建筑30%，山脉20%，森林5%，都市30%，云层10%，水面3%等）。能看出来背景的多样性的确要比Anti-UAV更好一些。

视频序列帧率为25FPS（跟Anti-UAV是一样的），在获取的视频序列中，作者团队选取了100minutes的视频进行了细致的逐帧标注，共计超过15万帧。同时，为了扩大数据规模，作者团队融合了Anti-UAV数据集和第一届Anti-UAV Challenge website的视频（对这里的视频都进行了裁剪和清洗，确保一致性和质量）。

由于Anti-UAV是双模态数据集，其中一些视频片段不适合用于individual TIR tracking（有些TIR video在第一帧是没有跟踪目标的，而visible video中有），因此作者团队抛弃了这部分的视频序列。

3、 Annotation标注

Anti-UAV410数据集的标注方法跟Anti-UAV是一样的，三阶段标注（不知道的同学移步【目标跟踪】Anti-UAV数据集详细介绍-CSDN博客），不同点在于：Anti-UAV数据集的真实框是以角点的形式给出的[x1,y1,x2, y2]，Anti-UAV410数据集的真实框是以[x1, y1, w, h] 的形式给出的（x1, y1是边界框的左上角坐标），在没有跟踪目标的帧中真实框被设为0。