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

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

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
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多