改进型SULAND v2数据集提升AI地雷探测精度

研究人员发布了SULAND_v2，这是一个改进型数据集，用于训练AI模型从无人机和无人地面车辆捕获的RGB图像中检测表面地雷。原始SULAND数据集包含大量标注错误，包括缺失或错误的标签、定位不准确以及类别识别不一致。SULAND_v2纠正了这些问题，提供了33,771张图像和12,433个边界框，用于检测PFM-1和PMA-2等特定类型的地雷。在该改进型数据集上对各种目标检测模型进行基准测试，显示精度显著提高，其中YOLOv12-Small在分布内性能上表现最佳，而RF-DETR-Large在分布外场景中表现出色，凸显了稳健泛化能力对作战准备的重要性。 AI

影响 增强了AI系统在关键地雷探测任务中的可靠性，提高了作战准备和安全性。

排序理由 发布了一个用于特定AI任务（地雷探测的目标检测）的改进型数据集和基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• PFM-1
• PMA-2
• SULAND v2
• unmanned aerial vehicle
• unmanned ground vehicle
• YOLOv12-Small
• YOLOv8

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →