UAVDT signifie Détection et suivi d'objets de référence pour véhicules aériens sans pilote. Il s’agit d’un ensemble de données vidéo à grande échelle pour la détection et le suivi des cibles de drones. Il contient 10 heures de vidéo brute et environ 8 000 images vidéo représentatives avec des cadres de délimitation annotés manuellement et quelques étiquettes utiles, telles que les catégories de véhicules et les occlusions. L'ensemble de données est capturé par des drones dans diverses scènes complexes et est principalement utilisé pour effectuer trois tâches de base : la détection de cible (DET), le suivi de cible unique (SOT) et le suivi de cibles multiples (MOT).

La référence de cet ensemble de données se compose de 100 séquences vidéo, sélectionnées parmi plus de 10 heures de vidéos capturées par des drones à plusieurs endroits dans les zones urbaines, représentant diverses scènes courantes, notamment des places, des rues principales, des postes de péage, des autoroutes, des intersections et des carrefours en T. Les objets cibles les plus importants dans ce benchmark sont les véhicules. Les vidéos sont enregistrées à 30 images par seconde (ips) et la résolution d'image JPEG est de 1080 × 540 pixels.