UAVDT steht für Unmanned Aerial Vehicle Benchmark Object Detection and Tracking. Es handelt sich um einen umfangreichen Videodatensatz zur Zielerkennung und -verfolgung durch Drohnen. Es enthält 10 Stunden Rohvideo und etwa 8.000 repräsentative Videobilder mit manuell annotierten Begrenzungsrahmen und einigen nützlichen Beschriftungen, wie etwa Fahrzeugkategorien und Okklusionen. Der Datensatz wird von UAVs in verschiedenen komplexen Szenen erfasst und hauptsächlich zur Durchführung von drei grundlegenden Aufgaben verwendet: Zielerkennung (DET), Einzelzielverfolgung (SOT) und Mehrfachzielverfolgung (MOT).

Der Benchmark dieses Datensatzes besteht aus 100 Videosequenzen, die aus über 10 Stunden Videomaterial ausgewählt wurden, das von Drohnen an mehreren Standorten in städtischen Gebieten aufgenommen wurde und verschiedene alltägliche Szenen darstellt, darunter Plätze, Hauptstraßen, Mautstellen, Autobahnen, Kreuzungen und T-Kreuzungen. Die prominenteren Zielobjekte in diesem Benchmark sind Fahrzeuge. Die Videos werden mit 30 Bildern pro Sekunde (fps) aufgezeichnet und die JPEG-Bildauflösung beträgt 1080 × 540 Pixel.