多场景复杂环境下检测无人机数据集（反无人机数据集）
数据集面向反无人机（Anti-UAV）任务设计，收录了来自城市、山区、沿海与森林等多种典型环境的视频帧，涵盖多种气象与光照条件。面向可见光视频/图像的反无人机（Anti-UAV）数据集，设计用于无人机检测与跟踪的研究与基准测试。数据集以“小目标、复杂背景、广泛分辨率”为特色，成为计算机视觉领域反无人机任务的重要公开资源。
类别： 数据集（检测 + 跟踪），4.68G
检测子集规模：10,000 张图像，按train/val/test 划分，其中，训练集、测试集和验证集分别有 5200、2200 和 2600 幅图像。
跟踪子集规模： 20 条视频序列（短期与长期场景），总共包含24804张图片
图像分辨率：160×240 ~ 5616×3744（多尺度）
标注：包含边界框（检测）标注，为xml格式
以下是复杂环境下反无人机（Anti-UAV）数据集的结构化表格描述：
| 项目 | 描述 |
|---|---|
| 数据集名称 | 复杂环境反无人机数据集（Anti-UAV Benchmark Dataset） |
| 任务类型 | 无人机检测（Detection） + 无人机单目标跟踪（Tracking） |
| 总数据量 | 4.68 GB |
| 数据来源场景 | 城市、山区、沿海、森林等典型复杂环境 |
| 环境多样性 | 涵盖晴天、阴天、黄昏、逆光、雾霾、雨雾等多种气象与光照条件 |
| 核心挑战 | - 小目标（无人机像素占比常 < 0.1%） - 复杂动态背景（树木晃动、水面反光、建筑遮挡） - 分辨率跨度大（从低清到高清） |
| 图像分辨率范围 | 160×240 至 5616×3744（多尺度、异构分辨率） |
| 标注格式 | PASCAL VOC XML 格式（含<xmin>,<ymin>,<xmax>,<ymax>边界框） |
| 类别数量 | 1 类：drone（无人机） |
| 子集划分 | 检测子集+跟踪子集 |
🔹 检测子集（Detection Subset）
| 子集 | 图像数量 | 用途 |
|---|---|---|
| 训练集（train） | 5,200 张 | 模型训练 |
| 验证集（val） | 2,600 张 | 超参调优与模型选择 |
| 测试集（test） | 2,200 张 | 最终性能评估（通常无公开标签） |
| 合计 | 10,000 张 | — |
🔹 跟踪子集（Tracking Subset）
| 项目 | 描述 |
|---|---|
| 视频序列数量 | 20 条 |
| 总帧数 | 24,804 张 |
| 场景类型 | 包含短期跟踪（目标持续可见）与长期跟踪（目标频繁消失/重现） |
| 标注内容 | 每帧提供无人机边界框（XML），支持 VOT-style 或 MOT-style 评估 |
| 典型挑战 | 目标尺度剧烈变化、快速运动、完全遮挡、出视野后重捕获 |
✅ 适用研究方向
- 小目标检测算法（如 Feature Pyramid Enhancement, Context Aggregation）
- 单目标视觉跟踪（SOT）基准测试（如基于 Siamese 网络、Transformer 的跟踪器）
- 多尺度鲁棒特征学习
- 复杂背景抑制与注意力机制
- 反无人机系统原型开发与评估
📌 数据集特点总结
该数据集是目前面向真实复杂环境的代表性公开反无人机视觉数据集，兼具检测与跟踪任务、多场景覆盖、极端尺度变化和标准化标注，适用于学术研究与工业落地双重需求。
![[精品]基于微信小程序的云校园的设计与实现 UniApp](http://pic.xiahunao.cn/[精品]基于微信小程序的云校园的设计与实现 UniApp)
![[精品]基于微信小程序的助眠小程序 UniApp](http://pic.xiahunao.cn/[精品]基于微信小程序的助眠小程序 UniApp)
