作为计算机视觉领域的三大国际顶级会议之一,CCF A类国际会议CVPR 2023(IEEE/CVF Conference on Computer Vision and Pattern Recognition )将于2023年6月18-22日举办。第三届“反无人机”研讨会&挑战赛将依托CVPR 2023举办。

背景

近年来,商用小型无人机飞速发展,其相比于载人机而言,具有体积小、成本低、机动性强等优势,可完成一些载人机无法完成的任务,已被广泛应用于航拍、监控、遥测、勘探、救援、物流等诸多领域。然而,也有不法分子利用无人机对敏感区域进行侦查/监视或携带危险物品/武器对重要人物进行毁伤。
2019年09月14日,沙特阿拉伯国家石油公司(阿美石油公司)两处石油设施遭无人机袭击,给沙特带来了巨大的经济损失,并导致国际油价在短期内飙升。如果能够在受到袭击伤害之前对入侵无人机进行精准探测,就能够采取有效反制措施最大化降低损失。近来国内外多次发生无人机非法入侵事件,不仅对公民的个人隐私与生命财产安全造成了严重危害,而且对机场、军事基地、大型集会现场、核电站、政府机部门驻地等敏感区域的安防造成了极大威胁。因此,开展复杂环境下低慢小(无人机)目标智能感知的研究,从而对无人机进行有效的探测和监管,具有重要意义。

赛事介绍

传统的无人机检测与跟踪计算机视觉研究缺乏动态环境下的高质量基准。为了缩小这一差距,我们依托CVPR 2020组织了首届“反无人机”研讨会&挑战赛,发布了由160个视频序列(包括RGB和红外)组成的数据集。这次研讨会吸引了全世界研究人员的注意。许多提交的解决方案优于基线方法,为解决反无人机问题做出了巨大贡献。第二届“反无人机”挑战赛(ICCV 2021)将基准数据集扩展到250个高质量、全高清热红外视频序列,涵盖多尺度(即大、小和微小)无人机的多次出现。鼓励参与团队开发能够在热红外视频中高精度检测和跟踪无人机的自动化方法。特别是,可以在复杂环境(例如,被云/建筑/树木遮挡,以及风筝、气球、鸟类等假目标)中检测和跟踪快速移动的无人机的算法。

img


图1. 不同尺寸无人机展示

今年的赛事与前两届有许多不同,首先,我们扩充了现有数据集规模,并首次放出训练集,以方便参赛者可以更专注于针对模型进行改进。其次,我们首次设置了两个赛道,具体设置如下:
● rack1: 反无人机跟踪。已知第一帧无人机目标的边界框,该挑战赛道需要算法通过预测边界框来跟踪每一帧视频中的给定目标。当目标消失时,需要给出一个不可见的标记(没有包围框)。
● Track2: 反无人机探测与跟踪。无人机目标是否在第一帧存在是未知的。该挑战赛道需要算法来检测并跟踪无人机目标,目标出现则预测其边界框。当目标不存在或消失时,需要给出一个不可见的标记(无包围框)。

img


图2. 复杂环境影响因素样例展示

Workshop

投稿主题建议与复杂环境视觉目标智能感知相关,包括但不限于:
● 计算机视觉和机器学习在反无人机中的应用
● 基于RGB/NIR数据的无人机搜索策略
● 用于无人机探测的光谱传感技术
● 无人机定位与开集识别
● 反无人机场景理解
● 小/微小目标检测和跟踪技术
● 细粒度无人机目标识别
● 反无人机实时轻量级深度学习推理
● 反无人机红外图像和视频分析
● 反无人机大规模基准数据集
● 生物启发的反无人机计算机视觉技术
● 反无人机技术概况

官方网页

Anti-UAV官网:https://anti-uav.github.io/

时间安排(PDT)

2023-02-06:挑战赛开始(开放训练集)
2023-03-06:开放测试集
2023-03-13:测试结果提交截止日期
2023-03-27:论文提交截止日期
2023-04-01:公布论文录用结果
2023-04-08:论文终稿提交截止日期
2023-06-18:CVPR Workshop日期

赛事要求

  1. 本次挑战赛面向全社会开放,个人、高等院校、科研单位、企业等人员均可报名参赛。每位参赛者只能加入1支队伍,每支队伍最多不超过6人,每支队伍只能提交一种算法进行最终排名。
  2. 不允许使用外部数据进行训练或预训练,不允许使用预训练模型。

奖励

每个赛道分别单独设置奖励:
一等奖: 官方认证证书+ 1500 USD
二等奖: 官方认证证书+ 1000 USD
三等奖: 官方认证证书+ 500 USD

最佳论文奖励:

最佳论文: 官方认证证书+ 500 USD

联系我们

赛事交流群(QQ群和微信群)
QQ群号:277498917

img

微信群:

img

邮箱
zhaojian90@u.nus.edu, g_wang@foxmail.com, lijianan@bit.edu.cn.

赛事组织方

顾问委员会
Baigui Sun, Alibaba DAMO Academy
Yandong Guo, IDEA Visiting Researcher
Shin’ichi Satoh, National Institute of Informatics and University of Tokyo.
Junliang Xing, Tsinghua University
Jane Shengmei Shen, Pensees Singapore

组织委员会
Jian Zhao, National Defense Innovation Institute
Gang Wang, Beijing Institute of Basic Medical Sciences
Jianan Li, Beijing Institute of Technology
Lei Jin, Beijing University of Posts and Telecommunications
Jiaming Chu, Beijing University of Posts and Telecommunications
Zhihao Zhang, National Defense Innovation Institute
Jun Wang, National Defense Innovation Institute
Jianqiang Xia, National Defense Innovation Institute
Kai Wang, National University of Singapore
Yang Liu, Alibaba Inc.
Sadaf Gulshad, Bosch Delta Lab, University of Amsterdam
Jiaojiao Zhao, VIS Lab, University of Amsterdam
Tianyang Xu, Jiangnan University
Zheng Zhu, PhiGent Robotics
Guibo Zhu, Institute of Automation, Chinese Academy of Sciences
Zechao Li, Nanjing University of Science and Technology
Zheng Wang, Wuhan University

Logo

ModelScope旨在打造下一代开源的模型即服务共享平台,为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品,让模型应用更简单!

更多推荐