無人航空機（UAV）によって撮影された画像における車両検出は、航空撮影およびリモートセンシングにおいて広範な応用を持つ。近年の研究では、物体に敵対的パッチ（adversarial patch）を付加することで、学習済みの深層ニューラルネットワークに基づく物体検出器を欺くことが可能であることが示されており、これにより下流タスクに対するセキュリティ上の懸念が生じている。しかし、現存する公開のUAVデータセットは、多様な高度、車両の属性、細粒度のインスタンスレベルのアノテーション（特に視覚的にぼやけた車両の屋根が見える側面視角）をほとんど無視しており、敵対的パッチに基づく車両検出攻撃の問題を研究するには適切ではない。本研究では、UAVによる車両検出を回避するための高さに敏感なベンチマークとして、6,284枚の画像と90,886個の細粒度アノテーション付き車両を含む新規データセット「EVD4UAV」を提案する。EVD4UAVデータセットは、異なる高度（50m、70m、90m）、車両属性（色、種別）、トップビューで明確な車両屋根を示す細粒度アノテーション（水平および回転したバウンディングボックス、インスタンスレベルのマスク）を備えている。本研究では、EVD4UAV上で3つの代表的な深層ニューラルネットワークベースの物体検出器を対象に、1つのホワイトボックス攻撃法と2つのブラックボックス攻撃法（パッチベース）を実装した。実験の結果、これらの代表的な攻撃手法は、高さに依存しない堅牢な攻撃性能を達成できなかったことが明らかになった。