MMAUD: A Comprehensive Multi-Modal Anti-UAV Dataset for Modern Miniature Drone Threats

要約

有害なペイロードを輸送したり、単独で損害を引き起こしたりする可能性のある小型無人航空機 (UAV) によってもたらされる進化する課題に対応して、当社は包括的なマルチモーダル対 UAV データセットである MMAUD を導入します。
MMAUD は、ドローン検出、UAV タイプの分類、および軌道推定に焦点を当てることで、現代の脅威検出手法における重大なギャップに対処します。
MMAUD は、ステレオ ビジョン、さまざまなライダー、レーダー、オーディオ アレイなどの多様な感覚入力を組み合わせることで際立っています。
サーマルと RGB を使用して特定の有利な地点でキャプチャされたデータセットよりも高い忠実度で現実世界のシナリオに対処するために不可欠な、独自の頭上航空検出を提供します。
さらに、MMAUD は、ライカが生成した正確なグラウンド トゥルース データを提供し、信頼性を高め、他のデータセットでは見られなかった自信を持ったアルゴリズムとモデルの改良を可能にします。
既存の研究のほとんどはデータセットを公開していないため、MMAUD は正確で効率的なソリューションを開発するための貴重なリソースとなっています。
私たちが提案するモダリティは費用対効果が高く、適応性が高いため、ユーザーは新しい UAV 脅威検出ツールを実験して実装できます。
私たちのデータセットは、周囲の重機の音を組み込むことで、現実世界のシナリオを厳密にシミュレートします。
このアプローチにより、データセットの適用性が向上し、車両の接近走行中に直面する正確な課題が捕捉されます。
MMAUD は、UAV の脅威の検出、分類、軌道推定機能などの進歩において極めて重要な役割を果たすことが期待されています。
私たちのデータセット、コード、デザインは https://github.com/ntu-aris/MMAUD で入手できます。

要約(オリジナル)

In response to the evolving challenges posed by small unmanned aerial vehicles (UAVs), which possess the potential to transport harmful payloads or independently cause damage, we introduce MMAUD: a comprehensive Multi-Modal Anti-UAV Dataset. MMAUD addresses a critical gap in contemporary threat detection methodologies by focusing on drone detection, UAV-type classification, and trajectory estimation. MMAUD stands out by combining diverse sensory inputs, including stereo vision, various Lidars, Radars, and audio arrays. It offers a unique overhead aerial detection vital for addressing real-world scenarios with higher fidelity than datasets captured on specific vantage points using thermal and RGB. Additionally, MMAUD provides accurate Leica-generated ground truth data, enhancing credibility and enabling confident refinement of algorithms and models, which has never been seen in other datasets. Most existing works do not disclose their datasets, making MMAUD an invaluable resource for developing accurate and efficient solutions. Our proposed modalities are cost-effective and highly adaptable, allowing users to experiment and implement new UAV threat detection tools. Our dataset closely simulates real-world scenarios by incorporating ambient heavy machinery sounds. This approach enhances the dataset’s applicability, capturing the exact challenges faced during proximate vehicular operations. It is expected that MMAUD can play a pivotal role in advancing UAV threat detection, classification, trajectory estimation capabilities, and beyond. Our dataset, codes, and designs will be available in https://github.com/ntu-aris/MMAUD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google