论文页面 - SULAND v2：面向UAV/UGV地表地雷检测的精细化RGB数据集与深度学习目标检测基准（含域偏移）

来源：https://huggingface.co/papers/2607.28996

摘要

RGB图像为无人机/地面车辆（UAV/UGV）在地表地雷探测中的侦察支持提供了一种实用且低成本的选择，但该安全关键领域中的目标检测器仍未得到充分探索。跨架构基准测试的有限性以及分布外（OOD）分析的不足，使得检测器能否跨部署条件泛化并不清晰。公共RGB地雷数据集的稀缺加剧了这一挑战，使SULAND成为PFM-1和PMA-2检测的关键基准。然而，检查发现SULAND中存在缺失/错误标注、定位误差、不一致的可见性标准、视觉伪影、时间标注不一致以及OOD类别ID约定颠倒等问题。我们提出了SULAND_v2，一个经过精炼的RGB地表地雷数据集和基准。在保留原始图像和划分的同时，我们人工修订了标注，以确保完整性、精确定位、标签有效性和类别一致性。SULAND_v2包含33,771张图像和12,433个边界框。我们对九个家族的35种检测器配置进行了基准测试。标注精炼使YOLOv8分布内（IID）测试mAP@50提升了14.6-19.6个百分点，而修复OOD类别ID约定使YOLOv8的平均OOD mAP@50提高了约25个百分点。在SULAND_v2上，YOLOv12-Small取得了最高的IID mAP@50（0.908），而RF-DETR-Large展现出最强的OOD性能（0.799 mAP@50，0.675召回率）。我们的结果表明，高IID准确率并不能保证实战可用性。SULAND_v2为基于RGB的排雷行动侦察支持中的域偏移鲁棒性评估提供了可靠基准。

查看 arXiv 页面 (https://arxiv.org/abs/2607.28996) 查看 PDF (https://arxiv.org/pdf/2607.28996) GitHub1 (https://github.com/PrasannaPulakurthi/SULAND_v2) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.28996)

在您的代理中获取此论文：

hf papers read 2607\.28996

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型

0 没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2607.28996即可从此页面链接。

引用此论文的数据集

1

prasannareddyp/SULAND_v2_RGB_Surface_Landmine_Dataset 预览 • 更新于约3小时前 • 44 (https://huggingface.co/datasets/prasannareddyp/SULAND_v2_RGB_Surface_Landmine_Dataset)

引用此论文的Spaces

0 没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2607.28996即可从此页面链接。

包含此论文的集合

0 没有集合包含此论文

将这篇论文添加到集合 (https://huggingface.co/new-collection) 中即可从此页面链接。