2021/06/08 14:04

ICCV 2021 Anti-UAV Workshop & Challenge征稿啦，第二届“无人机跟踪”挑战赛等你来战！

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ICCV 2021（IEEE International Conference on Computer Vision）将于2021年10月11-17日在线举办。近日，ICCV官方网站公布了Workshop Proposal的最终收录结果（http://iccv2021.thecvf.com/node/44），各式各样的Workshop和挑战赛已相继启动。

其中，“全华班”AI 学者组织的The 2nd Anti-UAV Workshop & Challenge（https://anti-uav.github.io/）尤为亮眼，该Workshop由北京理工大学、北京邮电大学、哈尔滨工业大学、北京交通大学、奇虎360、OPPO、中国科学院信息工程研究所、百度深度学习研究院等诸多机构学者共同发起，并由OPPO、奇虎360、将门创投、百度、Drones Journal和《电子与信息学报》倾情赞助。除接收相关论文，还将组织极具吸引力的第二届“无人机跟踪”挑战赛，主要针对基于红外视频流数据的复杂环境下无人机目标的检测、跟踪、识别等视觉感知与处理任务。

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。

ICCV 2021 Anti-UAV Workshop &Challenge的举办初衷在于鼓励来自复杂环境下小物体检测、跟踪、识别领域及其他相关领域的专家、学者、老师、同学们展示他们的科研成果，共同探讨、交流、构思新想法、新方案，并由此推动和促进实际应用场景下的有关技术与系统的性能和实用价值。

ICCV 2021 Anti-UAV Workshop & Challenge 日程为期0.5天（2021年10月17日上午），纽约州立大学石溪分校教授凌海滨博士、美国加州大学伯克利分校人工智能研究实验室博士后研究员仉尚航将受邀做主题报告。

接下来将带来详细信息：

01.征稿信息

重要日期

截稿日期：2021年7月24日

录用通知：2021年8月9日

投稿主页

https://anti-uav.github.io/submission/

奖励

预期最终接收20篇海报文章，1篇口头报告文章（来自最佳论文团队）。最佳论文奖由期刊《Drones》赞助，奖励为获奖证书+500 CHF+神秘礼品。

征稿范围

本次征稿范围包含但不限于以下视觉感知与处理任务的相关方向：

- 计算机视觉在无人机跟踪领域中的应用

- 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

- 面向无人机的场景理解

- 小/微型物体检测与跟踪技术

- 细粒度物体识别

- 实时深度学习推理

- 红外图像和视频分析

02.竞赛信息

重要日期

Test-challenge发布: 2021年7月3日

结果提交: 2021年7月10日

Codalab提交链接

https://competitions.codalab.org/competitions/23887

参赛要求

ICCV 2021 Anti-UAV Workshop & Challenge 要求参赛算法模型准确、稳定、实时追踪红外视频流中给定的无人机目标，同时估计目标的追踪状态；当目标消失时，需给出其不可见标记。

Large	Normal	Tiny

传统无人机检测和跟踪的计算机视觉研究在动态环境中缺乏高质量的基准，为了缓解这一差距，我们前期在CVPR 2020上组织了第一届国际“无人机跟踪”研讨会和挑战赛，发布了业内首个由160 段高质量全高清双模态（可见光 RGB + 近红外 NIR）视频序列组成的无人机多模跟踪数据集，获得了国际众多研究机构人员的广泛关注，为推动领域前沿技术发展做出了很大贡献。

小尺度	遮挡	动态背景干扰

本届挑战将前期已公开基准数据集扩展至由280段高质量全高清热红外视频序列组成（140段视频用于验证集测试，140段视频用于测试集测试），涵盖多种复杂场景下多种尺度无人机的数据（3种尺寸，即，大、中、小；3种型号：即， DJI-Phantom4、DJI-MarvicAir、DJI-MarvicPRO）。视频数据通过可由计算机远程控制的带有自动转台的固定于地面的特制摄像设备进行采集。所有数据均通过专业的数据标注员进行标注，带有如下密集标注信息：bounding box、属性（大、中、小、白天、夜晚、云雾、楼宇、虚假目标、速度骤变、悬停、遮挡、尺度变化）以及表示当前帧是否存在目标的标志位。

所有数据均通过专业的数据标注员进行标注，带有如下密集标注信息：目标边界框、属性（大、中、小、微小四种尺度、虚假目标、速度骤变、遮挡、尺度变化、动态背景干扰、目标从画面丢失）以及表示当前帧是否存在目标的标志位。

奖励

冠军：获奖证书+1500 USD+神秘礼品（PaddlePaddle解决方案额外奖励2000 USD）

亚军：获奖证书+1000 USD+神秘礼品（PaddlePaddle解决方案额外奖励1500 USD）

季军：获奖证书+500 USD+神秘礼品（PaddlePaddle解决方案额外奖励1000 USD）

相关网址

相关数据集已开放下载（https://anti-uav.github.io/dataset/）并开始接受参赛队伍注册及结果提交。

Baseline模型和Evaluation代码：https://github.com/Anti-UAV/baseline。

更多详细信息请参阅Codalab：https://competitions.codalab.org/competitions/23887。