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
Embedded Files
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.mp4SwinT & YoloV7 Test Sonuçları
SwinT & YoloV7 Test Sonuçları
mergedVideos.mp4Veri Içeriği
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
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
Indir
Atıf - Bibtex
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}}
@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
Katkı Sağlayanlar
TUBİTAK Ardeb 1001
Page updated
Google Sites
Report abuse