[論文レビュー] Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System

Xue‐Feng Zhu, Tianyang Xu+10 more|arXiv (Cornell University)|Jun 27, 2023

Video Surveillance and Tracking Methods被引用数 7

ひとこと要約

本論文は、事前のUAVテンプレートなしで実世界の反UAV 知覚タスクを定義し、AntiUAV600 ベンチマークを提案し、エビデンタルヘッドを用いたグローバル検出とローカル追跡を切り替える適応的 EDTC（Evidential Detection and Tracking Collaboration）フレームワークを提案します。

ABSTRACT

Unmanned Aerial Vehicles (UAVs) have been widely used in many areas, including transportation, surveillance, and military. However, their potential for safety and privacy violations is an increasing issue and highly limits their broader applications, underscoring the critical importance of UAV perception and defense (anti-UAV). Still, previous works have simplified such an anti-UAV task as a tracking problem, where the prior information of UAVs is always provided; such a scheme fails in real-world anti-UAV tasks (i.e. complex scenes, indeterminate-appear and -reappear UAVs, and real-time UAV surveillance). In this paper, we first formulate a new and practical anti-UAV problem featuring the UAVs perception in complex scenes without prior UAVs information. To benchmark such a challenging task, we propose the largest UAV dataset dubbed AntiUAV600 and a new evaluation metric. The AntiUAV600 comprises 600 video sequences of challenging scenes with random, fast, and small-scale UAVs, with over 723K thermal infrared frames densely annotated with bounding boxes. Finally, we develop a novel anti-UAV approach via an evidential collaboration of global UAVs detection and local UAVs tracking, which effectively tackles the proposed problem and can serve as a strong baseline for future research. Extensive experiments show our method outperforms SOTA approaches and validate the ability of AntiUAV600 to enhance UAV perception performance due to its large scale and complexity. Our dataset, pretrained models, and source codes will be released publically.

研究の動機と目的

• 第一フレームのUAVテンプレートに依存しない実用的な反UAV 知覚タスクを動機づける。
• 挑戦的なシナリオと新しい評価指標を備えた大規模ベンチマーク AntiUAV600 を提供する。
• 外観・出現/非出現をリアルタイムで扱うため、エビデンタルな切替を伴う適応的検出–追跡フレームワークを開発する。
• エビデンタルな協調が最新の追跡/検出ベースラインよりもUAV 知覚を改善することを示す。

提案手法

• グローバルUAV検出器（YOLOv5s）と継続的UAV位置推定のためのローカル追跡ブランチを提案する。
• 自己注意とクロス注意を介してテンプレート特徴と探索領域特徴を融合する関連性分解モジュールを導入する。
• Dirichletベースの定式化を用いて追跡証拠と不確実性を予測するエビデンタルヘッドを追加する。
• 予測不確実性に基づき検出と追跡を適応的に切り替え、UAVの出現・再出現を扱う。
• 検出ブランチと追跡ブランチを別々に学習させ、推論スピードを約35 fpsで評価する。
• 新しい評価指標 Acc を、IoU 精度とUAVが不在のときの見逃し検出に対するペナルティを組み合わせて提供する。

実験結果

リサーチクエスチョン

• RQ1 UAVテンプレートなしで、開放世界のシーンにおいてUAVの出現/非出現がランダムな場合、どのように頑健に知覚を行えるか？
• RQ2 グローバル検出とローカル追跡のエビデンタル協調は、複雑なシナリオで反UAV知覚性能を改善するか？
• RQ3 AntiUAV600 のような大規模で現実的なデータセットは、開放世界の反UAV タスクに対するより強力なベースラインを提供できるか？
• RQ4 予測的不確実性に基づく検出と追跡の切替えにおいて、エビデンタルヘッドはどれほど効果的か？

主な発見

方法	AntiUAV600でのAcc
OSTrack	0.280
MixFormer	0.261
ToMP	0.196
Stark	0.264
KeepTrack	0.329
SiamCAR	0.194
DiMP	0.144
EDTC	0.439
EDTC ⋆	0.486

• AntiUAV600 は、723K枚の熱画像フレームと小さな平均UAVサイズ、挑戦的な背景、ランダムな出現を特徴とする、コンピュータビジョン分野で最大規模のUAVデータセットである。
• 提案された EDTC フレームワークは AntiUAV600 で最先端の性能を達成し、さまざまな検出+追跡のベースラインを凌駕する。
• UAV600 データを用いると、追跡コンポーネントが複数のデータセットで改善を示す（例：DUT Anti-UAV および Anti-UAV データセットで EDTC⋆ の改善を示す）。
• エビデンシャルヘッドは検出と追跡間の信頼性の高い切替えを実現し、AntiUAV600 のアブレーションで Acc を単純な組み合わせの0.352 から0.486へ改善した。
• 提案された Acc 指標は、局所化精度と出現予測の両方を考慮し、出現シナリオでの見逃し検出をペナルティする。