摘要

无人机（Unmanned Aerial Vehicles, UAVs）在监控、安全和空域管理中的广泛应用，迫切需要精确、可扩展且高效的无人机检测技术。然而，现有的数据集往往存在规模多样性不足和标注不准确的问题，阻碍了鲁棒模型的开发。本文介绍了一种名为UAVDB的高分辨率无人机检测数据集，该数据集采用了一种新颖的技术——Patch Intensity Convergence (PIC)，从无人机轨迹数据中自动生成高质量的边界框标注~\cite{li2020reconstruction}，从而消除了手动标注的需求。UAVDB具有单类别标注，并采用了固定摄像机设置，包含捕捉到的各种尺度的RGB帧图像，从大型无人机到接近单像素的表示，以及对现代检测器构成挑战的复杂背景。首先，我们通过比较交并比（Intersection over Union, IoU）性能和运行时间来验证PIC生成边界框的准确性和效率，结果表明PIC在提高标注精度的同时更加高效。随后，我们使用最先进的YOLO系列检测器对UAVDB进行了基准测试，确立了UAVDB作为推进长距离和高分辨率无人机检测的重要资源的地位。