PulseAugur
中
实时 12:32:46
English(EN) Toward Active Object Detection for UAVs in the Wild: A Large-Scale Dataset, Benchmark and Method

新数据集和基准推动无人机主动目标检测发展

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了ATRNet-LUDO，这是一个新推出的、大规模的数据集和基准，旨在推动无人机（UAV）的主动目标检测。该数据集包含超过121,000张航空影像和121万个目标切片，涵盖了40种场景下的10种车辆类型。为了解决现有基于深度强化学习的主动目标检测策略中的泛化差距问题，该论文提出了AOD-JEPA，它利用联合嵌入预测架构来改进状态表示学习。 AI

影响 这项工作旨在提高无人机主动目标检测系统的性能和泛化能力，有望带来更强大的自主导航和监控能力。

排序理由 该集群包含一篇研究论文，详细介绍了一项特定AI任务的新数据集、基准和方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新数据集和基准推动无人机主动目标检测发展

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Tianpeng Liu, Xinhua Jiang, Li Liu, Qinmu Shen, Siwei Tang, Zhen Liu, Yongxiang Liu ·

    面向野外无人机的主动目标检测：大规模数据集、基准和方法

    arXiv:2607.09078v1 Announce Type: new Abstract: Object detection is a fundamental component in numerous Unmanned Aerial Vehicle (UAV) applications, yet it has long been plagued by hindrances like occlusion or target pixel scarcity. Active Object Detection (AOD) provides a novel p…

  2. arXiv cs.CV TIER_1 English(EN) · Yongxiang Liu ·

    面向野外无人机的主动目标检测：大规模数据集、基准和方法

    Object detection is a fundamental component in numerous Unmanned Aerial Vehicle (UAV) applications, yet it has long been plagued by hindrances like occlusion or target pixel scarcity. Active Object Detection (AOD) provides a novel paradigm to address these challenges via active v…

相关实体

相关话题