ATR-UMOD 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTATR-UMOD 数据集数据集介绍、下载| 目标检测 |多模态|水平框旋转框原始图像✅|原始VOC OBB标签✅|YOLO OBB标签✅VOC HBB标签✅|COCO 标签✅|YOLO HBB标签✅文章目录一、采集硬件二、基础规模三、目标标注信息四、训练样例一、采集硬件全称ATR-UAV Multimodal Object Detection Dataset论文Fusion Meets Diverse Conditions: A High-diversity Benchmark and Baseline for UAV-based Multimodal Object Detection with Condition CuesICCV 2025国防科技大学团队定位面向无人机可见光红外RGB-IR多模态旋转目标检测、带有成像条件属性标注的大规模公开基准数据集用于全天候无人机多模态融合检测算法研究对比基线数据集 DroneVehicle最大优势是成像条件极高多样性。链接https://github.com/supercpy/ATR-UMOD采集平台大疆 M300 RTK H20T / H20N 双光吊舱RGB1920×1080红外长波8–14μm640×512原始图像存在视差与时域错位数据集通过单应变换空间配准时间戳对齐完成跨模态精准匹配。二、基础规模总图像对13353组同步RGB-IR图像训练集11850 图像对测试集1503 图像对训练/测试场景完全不重叠类别分布均衡规避场景泄露。三、目标标注信息原始标注信息标注类型旋转包围框 OBBOriented Bounding BoxRGB、红外图像独立标注目标框目标类别11类细粒度行人、轿车、SUV、卡车、巴士、摩托车、自行车、工程机械、三轮车、集装箱、船舶names:0:bus1:car2:crane3:excavator4:freight_car5:motorcycle6:suv7:tank_truck8:trailer9:truck10:van标注总量RGB侧目标框 ≈ 7.8万红外侧目标框 ≈ 7.9万大量小目标、远距离无人机典型难点样本。每组RGB-IR图像附带人工标注6项环境条件支持条件感知多模态融合研究Altitude飞行高度80 m ~ 300 mAngle俯仰角0° ~ 75°Time时段白天/黄昏/夜间Weather天气晴天、阴天、雾天Illumination光照强弱Scenario场景类型城区道路、高速、港口、乡村、水域等研究者可以定量分析什么环境下可见光可靠、什么环境下红外占优适配动态权重融合、文本提示引导融合论文提出PCDF方法即基于该属性。转换结果转换后的完整数据集目录包含COCO JSON、VOC XML、YOLO TXT三种主流标签 ATR-UMOD ├─ train │ ├─ HBB │ │ ├─ coco │ │ │ ├─ instances_train.json │ │ │ └─ instances_train_ir.json │ │ ├─ VOC │ │ │ ├─ labels │ │ │ │ ├─ *.xml │ │ │ │ └─ ... │ │ │ └─ labels_ir │ │ │ ├─ *.xml │ │ │ └─ ... │ │ └─ YOLO │ │ ├─ labels │ │ │ ├─ *.txt │ │ │ └─ ... │ │ └─ labels_ir │ │ ├─ *.txt │ │ └─ ... │ ├─ images │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ images_ir │ │ ├─ *.jpg │ │ └─ ... │ └─ OBB │ ├─ VOC │ │ ├─ labels │ │ │ ├─ *.xml │ │ │ └─ ... │ │ └─ labels_ir │ │ ├─ *.xml │ │ └─ ... │ └─ YOLO │ ├─ labels │ │ ├─ *.txt │ │ └─ ... │ └─ labels_ir │ ├─ *.txt │ └─ ... └─ test ├─ HBB │ ├─ coco │ │ ├─ instances_test.json │ │ └─ instances_test_ir.json │ ├─ VOC │ │ ├─ labels │ │ │ ├─ *.xml │ │ │ └─ ... │ │ └─ labels_ir │ │ ├─ *.xml │ │ └─ ... │ └─ YOLO │ ├─ labels │ │ ├─ *.txt │ │ └─ ... │ └─ labels_ir │ ├─ *.txt │ └─ ... ├─ images │ ├─ ️ *.jpg │ └─ ... ├─ images_ir │ ├─ *.jpg │ └─ ... └─ OBB ├─ VOC │ ├─ labels │ │ ├─ *.xml │ │ └─ ... │ └─ labels_ir │ ├─ *.xml │ └─ ... └─ YOLO ├─ labels │ ├─ *.txt │ └─ ... └─ labels_ir ├─ *.txt └─ ...各个文件夹的含义 跨模态遥感数据集 ├─ train 训练集 └─ test 测试集【图像目录】images可见光遥感图像images_ir红外遥感图像可见光与红外图像文件名一一对应为精确配准图像对【框类型划分】HBBHorizontal Bounding Box水平包围框OBBOriented Bounding Box旋转倾斜包围框【标签后缀说明】labels可见光图像对应的标注labels_ir红外图像对应的标注【标注格式】COCOinstances_train.json / instances_test.json → 可见光COCO标注instances_train_ir.json / instances_test_ir.json → 红外COCO标注VOC独立.xml水平/旋转框标注YOLO独立.txt归一化标签水平框 / 旋转框四、训练样例以YOLO 水平框标签为例进行训练以YOLO 旋转框标签为例进行训练