VisDrone – Vision Meets Drones: A Challenge
配备摄像机的无人机或通用无人机已经快速部署到广泛的应用中,包括农业,航空摄影,快速交付和监视。
因此,对从这些平台收集的视觉数据的自动理解的要求越来越高,这使计算机视觉越来越紧密地应用于无人机。
我们很高兴为大规模的基准测试提供详细说明的真实性,以完成各种重要的计算机视觉任务,称为VisDrone,以使视觉满足无人机的要求。
简单来讲,visdrone就是一个比赛,我们训练模型的时候可以使用它的工具包和数据集。
##工具包
- VisDrone2018-DET-tookit-master
这是用于图像中对象检测(Object detection)的VisDrone2018-DET工具包。
该文件夹包括有三个文件,如下:
其中,evalDET.m是用于评估检测器的主要功能-请修改数据集路径和结果路径-使用“ isImgDisplay”显示地面真实情况和检测结果
为什么将数据集划分成三个集合:
「机器学习速成」为什么要拆分为三个集:训练集、验证集、测试集_喜欢打酱油的老鸟的博客-CSDN博客_为什么要划分训练集和测试集
怎么划分三个数据集:
【七】机器学习之路——训练集、测试集及如何划分_Easy_ray的博客-CSDN博客_训练集和测试集划分比例
##数据集
- VisDrone2019-DET-train
这是“图像中的对象检测”的数据集之训练数据
该文件夹包括
其中Anootations下是txt文件,内容如下:
这八个数据含义如下图所示:
注:两种有用的注释:truncation截断率,occlusion遮挡率。
被遮挡的对象比例来定义遮挡率。
截断率用于指示对象部分出现在框架外部的程度。
值得一提的是,如果目标的截断率大于50%,则会在评估过程中将其跳过。
- VisDrone2019-DET-val
这是“图像中的对象检测”的数据集之验证数据
- VisDrone2019-DET-test-challenge
这是“图像中的对象检测”的数据集之测试挑战数据