PulseAugur
中
实时 09:46:36
English(EN) SULAND v2: A Refined RGB Dataset and Deep Learning Object Detection Benchmark for UAV/UGV-Based SUrface LANDmine Detection Under Domain Shift

SULAND v2 数据集通过改进的标注精炼了地雷检测基准

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员发布了SULAND v2，这是一个改进的数据集，用于训练目标检测模型，以识别由无人机和无人地面车辆捕获的RGB图像中的地表地雷。原始的SULAND数据集包含许多标注错误，包括缺失或错误的标注、定位不准确以及不一致的类别标签。SULAND v2通过手动重新标注33,771张图像和12,433个边界框来解决这些问题，确保了更高的准确性和一致性。在该改进的数据集上对35种检测器配置进行基准测试显示性能显著提高，其中YOLOv12-Small在分布内准确性方面表现最佳，而RF-DETR-Large在分布外场景中表现出色，这表明高分布内准确性并不保证实际操作的就绪性。 AI

影响 提高了AI模型在地雷检测等关键任务中的可靠性，可能增强安全性并提高作战效能。

排序理由 发布了一个专业领域内目标检测的改进数据集和基准。

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 →

SULAND v2 数据集通过改进的标注精炼了地雷检测基准

报道来源 [2]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    SULAND v2: A Refined RGB Dataset and Deep Learning Object Detection Benchmark for UAV/UGV-Based SUrface LANDmine Detection Under Domain Shift

    RGB imagery offers a practical, low-cost option for Unmanned Aerial/Ground Vehicle (UAV/UGV) survey support in surface-landmine detection, but object detectors remain underexplored in this safety-critical domain. Limited cross-architecture benchmarking and insufficient out-of-dis…

  2. arXiv cs.CV TIER_1 English(EN) · Sagar Lekhak, Prasanna Reddy Pulakurthi, Lalit Joshi, Ramesh Bhatta, Emmett J. Ientilucci ·

    SULAND v2：用于无人机/地面车辆地面地雷检测的改进型RGB数据集和深度学习目标检测基准，应对域漂移

    arXiv:2607.28996v1 Announce Type: new Abstract: RGB imagery offers a practical, low-cost option for Unmanned Aerial/Ground Vehicle (UAV/UGV) survey support in surface-landmine detection, but object detectors remain underexplored in this safety-critical domain. Limited cross-archi…

相关实体

相关话题