ICCV2025|EV-UAV：首個基於事件相機的小目標檢測資料集

2025-07-05 10:27 CVer

點選下方卡片，關注“CVer”公眾號

AI/CV重磅乾貨，第一時間送達
點選進入—>【目標檢測】投稿交流群

新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！

給大家分享一下我們最新的工作！
Event-based Tiny Object Detection: A Benchmark Dataset and Baseline
作者：Nuo Chen, Chao Xiao, Yimian Dai, Shiman He, Miao Li, Wei An
單位：國防科技大學，南開大學
論文：
https://arxiv.org/abs/2506.23575
程式碼：
https://github.com/ChenYichen9527/EV-UAV

一、背景介紹

由於無人機體積小並且其周邊環境複雜，反無人機任務中的小目標檢測（SOD）是一個具有挑戰性的問題。傳統的基於幀的相機由於其低幀率、有限的動態範圍和資料冗餘而難以在複雜環境中準確檢測小目標。事件相機具有微秒級的時間解析度和高動態範圍，為SOD提供了一種更有效的解決思路。如圖1所示， RGB相機只能在正常光照下捕捉物體，而事件相機可以在各種極端光照條件下捕捉到小目標的連續運動軌跡（如紅色曲線所示）。

儘管事件相機在SOD領域具有很大的潛力，但是將其用於SOD仍然面臨以下挑戰:
  • • 首先，小目標的小尺寸和有限的外觀線索阻礙了特徵學習，而且背景雜波會降低檢測效能並導致虛警。
  • • 其次，當前基於事件的檢測方法通常將事件轉換為類似幀的同步影像表示，這破壞了事件資料的連續性和稀疏性，導致時間資訊的丟失和冗餘背景資料的不必要處理。
  • • 此外，缺乏大規模、高質量的資料集嚴重阻礙了基於事件的運動小目標檢測的發展。
在本文中，我們首先構建了一個大規模的基於事件相機的運動小目標檢測（EVSOD）資料集，然後基於時空事件點雲表示開發了一種針對EVSOD的新型檢測方法，最後以開發的資料集和提出的方法為基線，廣泛評估了EVSOD的各種深度學習方法，從而解決上述挑戰，推進基於事件的小運動物體（尤其是無人機的EVSOD）檢測的發展。

二、EV-UAV資料集

EV-UAV資料集旨在更好地表示具有挑戰性的現實世界場景，它具有大量具有小目標和動態背景的探測場景，為開發和評估反無人機方法提供了強有力的基準，如Figure 2 所示。

此外，我們還提出了一種逐事件語義分割標註方法。該方法使用邊界框標籤逐個生成近似的事件註釋，如Figure 3所示。

三、EV-SpSegNet

基於幀的檢測器需要將事件轉換為同步的影像表示，這壓縮了事件的時間資訊，使得檢測已經缺乏明顯外觀線索的小目標變得更加困難。在原始事件資料中，運動目標產生的事件表現出很強的時空相關性，在事件點雲空間中形成細長的連續曲線。利用這一特性，我們提出了EV-SpSegNet，它直接對稀疏事件點雲中移動目標生成的事件進行分段。此外，我們引入了一種新的時空相關性損失STCLoss，該損失評估事件的區域性時空相關性，以指導網路保留具有連續曲線的目標事件。
  • • 事件稀疏語義分割網路EV-SpSegNet：小運動目標在時空事件點雲中形成明顯的連續曲線。然而，網路難以提取其特徵，因為這些曲線跨越了很長的時間範圍，而具有有限感受野的傳統卷積操作無法有效地捕獲全域性特徵。雖然注意力機制可以提取全域性上下文，但它們的二次計算複雜性限制了它們處理大規模事件資料的能力。為了有效地從時空事件點雲中的連續曲線中提取特徵，我們設計了一個分組擴充套件稀疏卷積注意力（GDSCA）模組，如Figure 4（b）所示。該模組首先透過分組擴充套件稀疏卷積（GDSC）塊捕獲區域性多尺度特徵，然後使用Patch Attention實現分塊的全域性特徵互動。

時空相關性損失STCLoss：儘管EV-SpSegNet計算結構化輸出並專注於大尺度鄰域資訊以更好地利用長期特徵，但常用的語義分割損失（如：BCE Loss）會獨立處理每個畫素。他們沒有考慮鄰域的結構，例如物件的時空連續性，這對於描述物件形成的連續曲線至關重要。為此，我們提出了STCLoss，它的核心思想是計算事件周圍鄰域內所有支援事件的置信度之和，並將其定義為時空相關性權重。它鼓勵網路保留更多具有高時空相關性的事件，同時丟棄更多孤立的噪聲。

四、實驗結果

我們對比了通用的目標檢測演算法、基於事件的目標檢測演算法和一些點雲語義分割演算法，我們的EV-SpSegNet在所有評估指標下都實現了最佳的檢測效能。定量和定性比較分別如Table 2和Figure 6所示。

更詳細的消融實驗可參見原文。
順便宣傳一下：最近我們團隊系統整理了小目標檢測與跟蹤（SODT）領域的頂會/頂刊論文資源，方便大家高效追蹤SODT領域的前沿進展，為科研工作提供參考。專案會持續更新，歡迎關注與使用！
專案連結：
https://github.com/ChenYichen9527/small_object_detection_resources

何愷明在MIT授課的課件PPT下載
在CVer公眾號後臺回覆：何愷明，即可下載本課程的所有566頁課件PPT！趕緊學起來！

ICCV 2025 論文和程式碼下載

在CVer公眾號後臺回覆：ICCV2025，即可下載ICCV 2025論文和程式碼開源的論文合

CVPR 2025 論文和程式碼下載

在CVer公眾號後臺回覆：CVPR2025，即可下載CVPR 2025論文和程式碼開源的論文合集
目標檢測交流群成立
掃描下方二維碼，或者新增微訊號：CVer2233，即可新增CVer小助手微信，便可申請加入CVer-目標檢測微信交流群。另外其他垂直方向已涵蓋：目標檢測、影像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感影像、行為識別、影片理解、影像融合、影像檢索、論文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
一定要備註：研究方向+地點+學校/公司+暱稱（如目標檢測+上海+上交+卡卡），根據格式備註，可更快被透過且邀請進群

▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）人數破萬！如果你想要了解最新最快最好的CV/DL/AI論文、實戰專案、行業前沿、從入門到精通學習教程等資料，一定要掃描下方二維碼，加入CVer知識星球！最強助力你的科研和工作！

▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看


相關文章