航拍（无人机）图像数据集调研
区别于卫星图（Google Earth/Satellite），航拍图主要来自无人机（UAV/Drone）拍摄
卫星图 vs 航拍图
| 特性 | 卫星图 (Satellite) | 航拍图 (Drone/UAV) |
|---|---|---|
| 平台 | 卫星 (Google Earth, GF-2, JL-1) | 无人机 (DJI 等) |
| 高度 | 数百公里 | 几十米-几百米 |
| 分辨率 (GSD) | 0.1m - 4.5m | 通常 < 0.1m (更高) |
| 视角 | 近似垂直俯视 | 倾斜角度更多 |
| 覆盖范围 | 大范围 | 小范围但细节更丰富 |
| 代表数据集 | DOTA | VisDrone, UAVDT, DroneVehicle |
主要航拍数据集
1. VisDrone (最主流)
| 项目 | 内容 |
|---|---|
| 全称 | VisDrone Benchmark |
| 发布机构 | 天津大学 AISKYEYE 团队 |
| 首次发布 | 2018 (与 ECCV 联合) |
| 数据来源 | 多种无人机 |
| 数据规模 | 10,209 静态图像 + 288 视频 (261,908 帧) |
| 类别 | 10 类 (pedestrian, person, bicycle, car, van, truck, tricycle, awning-tricycle, bus, motor) |
| 任务 | 目标检测、目标跟踪、人群计数 |
| 特点 | 包含多种天气、光照、遮挡条件 |
历史版本：
- VisDrone2018 (ECCV)
- VisDrone2019 (ICCV)
- VisDrone2020 (ECCV)
- VisDrone2021 (ICCV)
- VisDrone2022 (PRCV)
- VisDrone2023 (ICCV)
- VisDrone2024 (CCDM)
2. UAVDT (UAV Detection and Tracking)
| 项目 | 内容 |
|---|---|
| 发布机构 | 大连理工大学 |
| 数据规模 | ~80,000 帧 (10小时视频) |
| 标注数量 | 835,879 个目标 |
| 类别 | car, vehicle, truck, bus |
| 特点 | 包含14种属性标注：天气、高度、视角、遮挡程度等 |
官方划分：
- 按视角：front / side / bird view
- 按遮挡：no / medium / small occlusion
- 按高度：low / medium / high altitude
- 按天气：daylight / night / fog
下载: https://datasetninja.com/uavdt
3. DroneVehicle
| 项目 | 内容 |
|---|---|
| 特点 | 多模态 数据集 (RGB + 红外) |
| 数据规模 | 30,000+ 图像对 |
| 任务 | 跨模态车辆检测、夜间检测 |
| 应用 | 车牌检测、车辆属性识别 |
官网: https://github.com/VisDrone/DroneVehicle
4. CARPK
| 项目 | 内容 |
|---|---|
| 全称 | Car Parking Lot Dataset |
| 数据规模 | ~90,000 辆车 |
| 场景 | 停车场 |
| 特点 | 单一类别（车），但规模大 |
5. CODrone (2025, 最新 OBB 数据集)
| 项目 | 内容 |
|---|---|
| 全称 | More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV |
| 论文 | arXiv:2504.20032 |
| 发布时间 | 2025-04-28 |
| 作者 | Kai Ye 等 |
| 特点 | 针对 UAV 场景的 OBB 旋转框数据集，填补现有 UAV OOD 数据集的局限性 |
解决的问题：
- 低图像分辨率
- 有限的目标类别
- 单视角成像
- 受限的飞行高度
应用场景: 物流、农业自动化、城市管理、应急响应
6. UTUAV
| 项目 | 内容 |
|---|---|
| 场景 | 城市交通分析 |
| 特点 | 专注车辆检测 |
航拍数据集 vs DOTA
| 项目 | DOTA (卫星图) | VisDrone (航拍) |
|---|---|---|
| 图像来源 | 卫星 (Google Earth) | 无人机 |
| GSD | 0.1m - 4.5m | 通常 < 0.1m |
| 物体会积 | 通常较大 | 小目标极多 |
| 密度 | 中等 | 极高 (密集场景) |
| 遮挡 | 较少 | 严重 (城市) |
| 视角 | 垂直俯视 | 倾斜多样 |
| 常见任务 | OBB (旋转框) | HBB (水平框) 为主 |
航拍数据集特点
挑战
- 小目标密集: 几百米高度拍的车辆可能只有十几像素
- 视角多样: 无人机倾斜拍摄，物体方向多样
- 严重遮挡: 城市穿梭中物体互相遮挡
- 运动模糊: 无人机飞行/转向导致的模糊
- 类别不平衡: 车最多，其他类别少
与卫星图的区别
- 分辨率: 航拍通常更高 (GSD 更小)
- 应用场景: 航拍侧重实时感知、避障、跟踪；卫星图侧重大面积监测
- 数据特性: 航拍视频多，卫星图以静态图像为主
使用建议
| 场景 | 推荐数据集 |
|---|---|
| 通用 UAV 检测 | VisDrone |
| 车辆检测/跟踪 | UAVDT, DroneVehicle |
| 小目标检测 | VisDrone + 自定义 augment |
| OBB 旋转框 | CODrone |
| 多模态/夜间 | DroneVehicle |
参考链接
- VisDrone 官网: https://aiskyeye.com/
- VisDrone GitHub: https://github.com/VisDrone/VisDrone-Dataset
- UAVDT: https://datasetninja.com/uavdt
- DroneVehicle: https://github.com/VisDrone/DroneVehicle
- Ultralytics VisDrone: https://docs.ultralytics.com/datasets/detect/visdrone/
- CODrone 论文: https://arxiv.org/abs/2504.20032
总结
航拍数据集和 DOTA（卫星图）数据集的核心区别：
- 来源不同: 无人机拍摄 vs 卫星拍摄
- 分辨率: 航拍通常更清晰
- 场景: 航拍侧重低空实时感知（小目标、密集、遮挡）
- 主流数据集: VisDrone 是航拍领域的事实标准
DOTA 偏向旋转框 + 多类别 + 航拍/卫星混合
VisDrone 偏向密集小目标 + 跟踪 + 视频