S-UAV Veri Seti

Sentetik İHA veri seti (S-UAV) nesne tespit ve takip algoritmaları için gerçek dünya İHA videoları simüle eder ve optik akış, örtüşme ve bölütleme bilgileri sunar.

Can YILMAZ - Bahri MARAŞ - Nafiz ARICA - Ayşın Baytan ERTÜZÜN

S-UAV veri seti, düşük rakımlı İHA videolarında nesne tespit, takip ve sınıflandırma için kendi derin evrişimli sinir ağlarını eğitmek ve test etmek isteyen araştırmacılara yardımcı olacak bir kaynak sunmaktadır. Veri seti, İHA bakış açısıyla izlenen araçların optik akış, örtülme ve bölütleme referanslarını içermektedir.

OrnekSenaryolar.mp4

SwinT & YoloV7 Test Sonuçları

mergedVideos.mp4

Veri Içeriği

S-UAV veri seti, Unity 3D motoru kullanılarak otomatik olarak etiketlenmiş 16.285 video imgesi ve 49.760 etiket örneği içermektedir. Veri seti, otobüs, araba, kamyon, tır ve minibüs gibi beş nesne kategorisinden oluşmaktadır. Ayrıca, 1920x1080 boyutundan daha küçük bir alt sürümü de oluşturulmuştur. 250x250 boyutundaki bu sürüm, 99.520 kırpılmış video imgesi ve 49.760 etiket örneği içermektedir.

250x250 Boyutlu Veri Seti Çıktısı

Nesnelerin hava şartlarına göre dağılımı:

Dosya Yapısı

-1920x1080 Dataset

<Senaryo İsmi x>

Original_images 

<Tn>.png ...

Images 

<Tn>.png ...

Masks 

<Tn>.png ...

Flo Results 

<Tn+1>.png, ...

<Tn+1>.flo, ...

Occlusion Results 

<Tn+1>.png ...

Segmentation Results 

<Tn>.png ...

Triangles.json

annotation.json

-250x250 Dataset

car_images

<Senaryo İsmi x>

frame_<Tn>_<araç Id>_<araç adedi>_02.png,

frame_<Tn+1>_<araç Id>_<araç sayısı>_01.png,

...

car_masks

<Senaryo İsmi x>

frame_<Tn>_<araç Id>_<araç adedi>_02.png,

frame_<Tn+1>_<araç Id>_<araç adedi>_01.png,

... 

coco 

<Senaryo İsmi x>

annotation.json

flow_f

<Senaryo İsmi x>

frame_<Tn+1>_<araç Id>_<araç adedi>.flo, ...

flow_f_visual 

<Senaryo İsmi x>

frame_<Tn+1>_<araç Id>_<araç adedi>.png, ...

flow_b

<Senaryo İsmi x>

frame_<Tn>_<araç Id>_<araç adedi>.flo, ...

flow_b_visual

<Senaryo İsmi x>

frame_<Tn>_<araç Id>_<araç adedi>.png, ...

occ_f

<Senaryo İsmi x>

frame_<Tn+1>_<araç Id>_<araç adedi>.png, ...

occ_b

<Senaryo İsmi x>

frame_<Tn>_<araç Id>_<araç adedi>.png, ...

segmentation_results

<Senaryo İsmi x>

frame_<Tn>_<araç Id>_<araç adedi>_02.png

frame_<Tn>_<araç Id>_<araç adedi>_01.png

...

* "x" represents the scenario folder -> {1, 2, 3, ...., 100}, "Tn" represents the frame ID -> {0, 1, 2, ..... M-1}, where M is the maximum frame ID of the x scenario. "Tn+1" represents the next frame after "Tn" -> {1, 2, ..... M}, where M is the maximum frame ID of the x scenario.

Indir

Google Drive:

Atıf - Bibtex

@INPROCEEDINGS{10223911,  author={YILMAZ, Can and MARAŞ, Bahri and ARICA, Nafiz and ERTÜZÜN, Ayşın Baytan},  booktitle={2023 31st Signal Processing and Communications Applications Conference (SIU)},   title={Creation of Annotated Synthetic UAV Video Dataset for Object Detection and Tracking},   year={2023},  pages={1-4},  doi={10.1109/SIU59756.2023.10223911}}
@INPROCEEDINGS{10223740,  author={YILMAZ, Can and MARAŞ, Bahri and YILMAZ, Görkem and CEYLAN, Göksu and HAMAMCIOĞLU, Önder and ARICA, Nafiz and ERTÜZÜN, Ayşın Baytan},  booktitle={2023 31st Signal Processing and Communications Applications Conference (SIU)},   title={Enhancing Object Detection Algorithms by Synthetic Aerial Images},   year={2023},  pages={1-4},  doi={10.1109/SIU59756.2023.10223740}}

Katkı Sağlayanlar

TUBİTAK Ardeb 1001