Anti-UAV

Anti-UAV

无人机目标检测与追踪开源项目

Anti-UAV是一个开源项目,致力于在复杂环境中检测和追踪无人机目标。该项目提供新的数据集、评估指标和基线方法,支持RGB和红外视频输入。数据集包含多尺度无人机的高质量视频序列和密集标注。Anti-UAV旨在推动无人机检测追踪技术发展,可应用于区域安全防护等领域。

Anti-UAV无人机跟踪计算机视觉目标检测数据集Github开源项目

反无人机系统

许可证

反无人机项目在MIT许可证下发布。


新闻

:white_check_mark: 2024年6月7日: 我们发布了反无人机系统Jittor版本,以支持国产硬件并提高推理速度。 :blush:

:white_check_mark: 2024年7月4日: 我们发布了反无人机410Jittor版本,以支持国产硬件并提高推理速度。 :blush:


原创性

据我们所知,我们是首个提出反无人机新任务、相应数据集、评估指标和基准方法的团队,同时支持PyTorch和Jittor。


目录


任务定义

反无人机指在野外发现、检测、识别和跟踪无人机目标,并同时根据RGB和/或热红外(IR)视频估计目标的跟踪状态。当目标消失时,需要给出目标的不可见标记。许多更高级的应用可以建立在反无人机的基础上,如重要区域安全、防御无人机攻击,以及针对无人机入侵造成的潜在威胁进行自动持续防护。


动机

  • 北京北方电子设备研究所的反无人机项目旨在推动野外无人机发现、检测和跟踪的前沿。

  • 近年来,无人机凭借其自主性、灵活性和广泛的应用领域,在消费通信和网络中迅速发展。无人机应用为单架或多架无人机的使用提供了可能的民用和公共领域应用。同时,我们也需要意识到无人机入侵对空域安全造成的潜在威胁。今年早些时候,多次无人机目击事件导致机场空中交通中断,给航空公司造成重大经济损失。

  • 目前,在计算机视觉领域,还没有针对真实世界动态场景中的反无人机高质量基准。为了弥补这一空白,本项目提出了一个用于发现、检测、识别和跟踪无人机的新数据集、评估指标和基准方法。该数据集包含高质量、全高清视频序列(RGB和IR),涵盖多种多尺度无人机出现的情况,并密集标注了边界框、属性以及每帧中目标是否存在的标志。


环境配置

参考: 第三届反无人机CVPR2023

注意:

  • 我们建议您使用 python == 3.8,否则可能会出现冲突;
  • 对于使用NVIDIA RTX 30和40系列GPU的用户,已成功测试cuda 11.8版本;
  • 当您运行命令 pip install -r requirements/cv.txt 时,可能会出现一些问题,如无法找到bmt_clipit、clip、panopticapi、videofeatures_clipit。这些错误可以忽略;
  • 您需要安装jibjpeg4py库和 jittor == 1.3.8.5

数据准备

目前,我们为反无人机任务提供了三个公开数据集。

<img src="https://yellow-cdn.veclightyear.com/835a84d5/beb3788f-ffda-4b46-b34f-94a00ab27d3b.gif" width="1000px"/> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/d1a756e0-3015-41f2-92ff-0bcefa56d10c.gif" width="400"/><img src="https://yellow-cdn.veclightyear.com/835a84d5/3b80eeb2-c58f-4098-85cb-e9d120ce1ac6.gif" width="400"/> </div> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/88713b04-85c0-4102-877e-effcdf413894.png" width="800px"/> </div>
  • 文件夹树形图
<div align="left"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/693b5e26-3586-4c7f-a9c2-fb92983086b6.png" width="350px"/> </div>
  • 场景变化: 与之前的挑战相比,我们今年进一步扩大了数据集,增加了更多具有动态背景、复杂运动和微小目标的挑战性视频序列,使得新的数据集涵盖了更多具有多尺度无人机的场景。示例如下所示。

    <img src="https://yellow-cdn.veclightyear.com/835a84d5/7516459a-ff00-4945-a1c1-a27951bfdf4d.gif" width="1000px"/>
  • 下载:

数据集谷歌云盘百度网盘
反无人机300链接密码:sagx
反无人机410不适用密码:wfds
反无人机600modelscope不适用
  • 请注意,410和600版本仅包含红外视频,而300版本同时包含RGB视频和红外视频。在此版本中,模型能够处理RGB数据和红外数据,因此我们建议您使用300版本数据集。

评估指标

我们将跟踪准确率定义为: <img src="https://yellow-cdn.veclightyear.com/835a84d5/b4fcd1f4-b03b-496b-a3d7-c34c92c5779b.png" width="1000px"/> 对于第t帧,IoU_t是预测跟踪框与其对应的真实框之间的交并比(IoU),p_t是预测的可见性标志,当预测框为空时等于1,否则等于0。v_t是目标的真实可见性标志,指示函数δ(v_t>0)当v_t > 0时等于1,否则等于0。准确率在序列的所有帧上取平均,T表示总帧数,T^*表示真实标注中目标存在的帧数。


训练和推理

  • 训练

目前,我们在Jittor中的训练存在一些问题,但您仍可以尝试运行以下命令:

cd {PROJECT_ROOT}/anti_uav_jittor python ltr/run_training.py modal modal

或者您可以使用PyTorch训练模型。

另外,如果您有任何建议,欢迎提出问题!

  • 推理

在项目根目录下,运行命令 python pysot_toolkit/test.py


演示笔记本

我们在anti_uav_jittor/demo.ipynb中提供了一个演示笔记本,可以帮助开发者更好地理解这个演示的工作流程。


模型库

:monkey:

持续更新中...


常见问题

我们将持续更新此部分,欢迎提出问题。

<details> <summary>1. 问: 当我运行训练命令时,出现一个错误,提示用序列设置数组元素,请求的数组有不均匀的形状。</summary> 答: 在AntiFusion.py中,设置 `visible_data = np.array, dtype = object`。 </details>

成果


  • CVPR 2020反无人机研讨会与挑战赛 <img src="https://yellow-cdn.veclightyear.com/835a84d5/03c297bc-7a0b-416d-99cd-f1f024d70bda.png" width="1000px"/>

我们组织了CVPR 2020反无人机研讨会与挑战赛,由北方电子设备研究所、中国科学院自动化研究所、天津大学、西安交通大学、商汤科技、小鹏汽车、中国科学技术大学、新加坡国立大学和百度合作。


  • ICCV 2021反无人机研讨会与挑战赛 <img src="https://yellow-cdn.veclightyear.com/835a84d5/7e232435-b2a0-4026-9f99-2f845d82e57f.png" width="1000px"/>

我们组织了ICCV 2021反无人机研讨会与挑战赛,由北京理工大学、北京邮电大学、哈尔滨工业大学、北京交通大学、奇虎360、OPPO、中国科学院和百度合作。


  • CVPR 2023反无人机研讨会与挑战赛 <img src="https://yellow-cdn.veclightyear.com/835a84d5/a473cad9-c4d5-469f-8717-118fcdf6d8d4.png" width="1000px"/>

我们组织了CVPR 2023反无人机研讨会与挑战赛,这是由北京理工大学、北京邮电大学、哈尔滨工业大学、北京交通大学、奇虎360、OPPO、中国科学院和百度合作举办的。


引用

  • 请参考并考虑引用以下论文:

    @article{zhang2023review,
    title={Review and Analysis of RGBT Single Object Tracking Methods: A Fusion Perspective},
    author={Zhang, ZhiHao and Wang, Jun and Zang, Zhuli and Jin, Lei and Li, Shengjie and Wu, Hao and Zhao, Jian and Bo, Zhang},
    journal={T-OMM},
    year={2023}
    }
    
    @article{huang2023anti,
    title={Anti-UAV410: A Thermal Infrared Benchmark and Customized Scheme for Tracking Drones in the Wild},
    author={Huang, Bo and Li, Jianan and Chen, Junjie and Wang, Gang and Zhao, Jian and Xu, Tingfa},
    journal={T-PAMI},
    year={2023}
    }
    
    @inproceedings{zhang2023modality,
    title={Modality Meets Long-Term Tracker: A Siamese Dual Fusion Framework for Tracking UAV},
    author={Zhang, Zhihao and Jin, Lei and Li, Shengjie and Xia, JianQiang and Wang, Jun and Li, Zun and Zhu, Zheng and Yang, Wenhan and Zhang, PengFei and Zhao, Jian and others},
    booktitle={ICIP 2023},
    year={2023}
    }
    
    @article{jiang2021anti,
    title={Anti-UAV: a large-scale benchmark for vision-based UAV tracking},
    author={Jiang, Nan and Wang, Kuiran and Peng, Xiaoke and Yu, Xuehui and Wang, Qiang and Xing, Junliang and Li, Guorong and Ye, Qixiang and Jiao,           Jianbin and Han, Zhenjun and others},
    journal={T-MM},
    year={2021}
    }
    
    @article{zhao20212nd,
    title={The 2nd anti-UAV workshop \& challenge: methods and results},
    author={Zhao, Jian and Wang, Gang and Li, Jianan and Jin, Lei and Fan, Nana and Wang, Min and Wang, Xiaojuan and Yong, Ting and Deng, Yafeng and           Guo, Yandong and others},
    journal={arXiv preprint arXiv:2108.09909},
    year={2021}
    }
    
    @article{zhu2023evidential,
    title={Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System},
    author={Zhu, Xue-Feng and Xu, Tianyang and Zhao, Jian and Liu, Jia-Wei and Wang, Kai and Wang, Gang and Li, Jianan and Zhang, Zhihao and Wang, Qiang and Jin, Lei and     others},
    journal={arXiv preprint arXiv:2306.15767},
    year={2023}
    }
    
    @article{zhao20233rd,
    title={The 3rd Anti-UAV Workshop \& Challenge: Methods and Results},
    author={Zhao, Jian and Li, Jianan and Jin, Lei and Chu, Jiaming and Zhang, Zhihao and Wang, Jun and Xia, Jiangqiang and Wang, Kai and Liu, Yang and Gulshad, Sadaf and others},
    journal={arXiv preprint arXiv:2305.07290},
    year={2023}
    }
    
    @article{zhao20233rd,
    title={The 3rd Anti-UAV Workshop \& Challenge: Methods and Results},
    author={Zhao, Jian and Li, Jianan and Jin, Lei and Chu, Jiaming and Zhang, Zhihao and Wang, Jun and Xia, Jiangqiang and Wang, Kai and Liu, Yang and Gulshad, Sadaf and others},
    journal={arXiv preprint arXiv:2305.07290},
    year={2023}
    }
    

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

下拉加载更多