今天给各位分享无人机目标跟踪数据集的知识，其中也会对无人机 目标识别进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录一览：
车辆、行人跟踪一网打尽,超轻量、多类别、小目标跟踪系统开源了
1、系统融合目标检测、行人重识别与轨迹融合等核心能力，有效解决实际业务中的痛点，包含行人车辆跟踪、跨镜头跟踪、多类别跟踪、小目标跟踪与流量计数等功能。PP-Tracking内置多种主流高精度多目标跟踪模型，如DeepSORT、JDE与FairMOT，并通过优化与拓展，实现服务端轻量化模型在权威数据集上的高精度与快速响应。
无人机数据集
1、语义无人机数据集专注于城市场景的语义理解，以提高自主无人机飞行和着陆过程的安全性。图像描绘了从5到30米高度的鸟瞰视角获取的20多栋房屋。使用高分辨率相机获取大小为6000x4000px（24Mpx）的图片。训练集包含400张公开可用的图片，测试集由200张私有图片组成。
2、OTB-100 是视觉跟踪基准数据集，VOT 和 VIVID 数据集专注于跟踪任务，VIRAT 数据集包含无人机视频。UCLA Aerial Event Dataset 是用于空中视频的数据集，MMSPG mini drone video dataset 来自 EPFL。LaSOT 数据集用于持续对象跟踪，OxUvA 专注于长期跟踪任务，TrackingNet 和 TLP 数据集用于跟踪基准。
3、UAV-VisLoc是一个大规模无人机视觉定位数据集，旨在解决无人机在GNSS信号受干扰时的精确定位问题。它针对当前研究中数据集和问题设置的不足，定义了在GPS信号拒绝情况下，通过无人机下视图与卫星地图匹配获取位置坐标的任务。
4、存储在本地。无人机会配备内置存储设备，如存储卡或固态硬盘。数据可以直接存储在这些设备上，并通过传输接口（例如USB）将其传输到计算机或其他存储介质中。这种方法适用于较小规模的数据集。云存储。无人机可以通过网络连接将数据上传到云存储平台，如亚马逊S谷歌云存储或微软Azure等。
红外和可见光的联合任务相关数据集
1、让我们先来看看几个关键的数据集：LLVIP Dataset (RGB-T Pedestrian Detection)： 用于低光环境下行人检测，由Jia X等人在2024 年的CVPR会议上发布，以热红外（8-14um）和可见光图像对为特点，使用海康威视DS-2TD8166BJZFY-75H2F/V2摄像头。
2、代码中包含多个任务，如检测和分割。这里使用的是官方代码，专注于检测任务。 数据集的构建 可以使用官方的开源数据集coco、Imagenet等，根据自己的需求选择。我在yolov8m的基础上训练了自己的数据集（分为test、train、val）。在标注数据时，使用labelimg工具，百度搜索即可找到使用方法。
3、基于DukeMTMC数据集，每120帧采样一张图像构成数据集，包含16，522张训练图片、2，228张查询图像、17，661张搜索库图片。跨模态 RegDB 结合可见光与红外相机的行人识别数据集，包含412个行人身份，每个行人收集10张RGB与热图像。
4、此版本的数据集包含Landsat 9 Collection 2 Tier 1校准的大气层顶部（TOA）反射率。数据具有30米的分辨率。Landsat9 SR数据 此数据集包含大气校正的表面反射率和地表温度数据。
5、这些图像展示了NGC 7837天体的多面性，从光学到红外，甚至紫外线波段的观测，提供了全面的视角。DSS和SDSS的数据集主要关注可见光到近红外的范围，揭示了NGC 7837的结构、星系内部的恒星分布和动态。H-Alpha数据强调了气体成分，特别是氢气的分布，这对于理解恒星形成和星系演化至关重要。
6、搭载在NPP卫星上的VIIRS可见光红外成像辐射仪，作为扫描式成像辐射仪，收集陆地、大气、冰层和海洋在可见光和红外波段的辐射图像。L3 M* ed数据产品是VIIRS-SNPP卫星收集的数据，通过处理和校正，以标准化格式提供，包括云覆盖、植被指数、海冰覆盖和火灾监测等信息。
图尔库大学和ETHZ开源!GNSS拒止环境多激光雷达多无人机数据集
1、面对无人机在各行业中的广泛应用，尤其是在GNSS拒止环境下的导航与跟踪成为关键议题。图尔库智能嵌入式与机器人系统实验室及瑞士苏黎世联邦理工学院SPZ的SCAI实验室，联合开源了一项面向GNSS拒止环境的多激光雷达多无人机数据集。这项开源项目旨在促进无人机在复杂环境下的跟踪研究与算法开发。
关于无人机目标跟踪数据集和无人机 目标识别的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
