UAVDB: Trajektoriegesteuerte anpassbare Begrenzungsrahmen für die Erkennung von Drohnen

Die weit verbreitete Nutzung von unbemannten Luftfahrzeugen (UAVs) im Bereich der Überwachung, Sicherheit und Luftverkehrsmanagement hat eine dringende Nachfrage nach präziser, skalierbarer und effizienter UAV-Erkennung geschaffen. Bestehende Datensätze leiden jedoch oft unter einer begrenzten Skalenvielfalt und ungenauen Annotationen, was die robuste Modellentwicklung behindert. In dieser Arbeit wird UAVDB vorgestellt, ein hochauflösendes UAV-Erkennungsdatensatz, der mit Hilfe der Technik des Patch Intensity Convergence (PIC) erstellt wurde. Diese neuartige Methode generiert automatisch hochwertige Begrenzungsrahmen-Annotationen aus UAV-Trajektoriendaten~\cite{li2020reconstruction}, wodurch manuelles Labeling entbehrlich wird. UAVDB verfügt über Einzelklasse-Annotationen bei einer fest installierten Kamera und besteht aus RGB-Bildern, die UAVs in verschiedenen Größen darstellen, von großen UAVs bis hin zu fast einzelpixeligen Darstellungen, sowie herausfordernde Hintergründe, die für moderne Erkennungsverfahren Schwierigkeiten bereiten. Zunächst validieren wir die Genauigkeit und Effizienz der durch PIC generierten Begrenzungsrahmen durch einen Vergleich der Intersection over Union (IoU)-Leistung und der Laufzeit mit alternativen Annotationsmethoden. Dies zeigt, dass PIC eine höhere Annotationsgenauigkeit erreicht und dabei effizienter ist. Anschließend bewerten wir UAVDB mit den neuesten YOLO-Reihenerkennungsverfahren (state-of-the-art), wodurch sich UAVDB als wertvolle Ressource zur Förderung der langreichweitigen und hochauflösenden UAV-Erkennung etabliert.