Project Icon

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。

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。

  • 文件夹树形图
  • 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。

  • 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: 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。

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。 答: 在AntiFusion.py中,设置 `visible_data = np.array, dtype = object`。

成果


  • CVPR 2020反无人机研讨会与挑战赛

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

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

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}
    }
    
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

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。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号