TPAMI 2025 | 国防科大提出RGBT-Tiny数据集与SAFit指标，推动小目标检测技术发展
内容提要
国防科技大学发布了RGBT-Tiny数据集，专注于可见光与红外小目标检测，包含115组序列、9.3万帧图像和120万标注，涵盖7类目标和8种场景。新评价指标SAFit提升了小目标检测的准确性，并支持多种检测算法的评估，为该领域提供了重要参考。
关键要点
-
国防科技大学发布RGBT-Tiny数据集，专注于可见光与红外小目标检测。
-
数据集包含115组序列、9.3万帧图像和120万标注，涵盖7类目标和8种场景。
-
81%的目标小于16×16像素，包含极端光照和高密度场景。
-
通过专业校准和图像裁剪，确保可见光与热成像数据的精准匹配。
-
SAFit是新提出的评价指标，适应不同目标尺度，提升小目标检测的准确性。
-
SAFit通过Sigmoid加权IoU和NWD动态调整评估权重，关注小目标位置偏差和大目标边界框精确度。
-
研究团队对30种主流目标检测算法进行了全面评估，提供了重要的数据基准与方法论参考。
延伸解读
小目标检测的挑战与应用
小目标检测在无人机监控、自动驾驶等领域面临诸多挑战，如目标尺寸小、背景复杂和光照条件多变。RGBT-Tiny数据集的发布，正是为了应对这些技术难点，提供了一个多模态的检测基准，推动相关技术的进步。
SAFit指标的创新意义
SAFit作为新提出的评价指标，针对小目标检测的特殊需求进行了优化。通过动态调整评估权重，SAFit能够更准确地反映小目标的检测性能，这为未来的检测算法设计提供了新的思路和方向。
数据集的多样性与实用性
RGBT-Tiny数据集包含多种场景和目标类型，尤其是81%的目标小于16×16像素，适应了实际应用中的复杂情况。这种多样性使得研究人员能够在更真实的环境中测试和优化检测算法，提升其实际应用价值。
延伸问答
RGBT-Tiny数据集的主要特点是什么？
RGBT-Tiny数据集包含115组序列、9.3万帧图像和120万标注，涵盖7类目标和8种场景，81%的目标小于16×16像素。
SAFit指标如何提升小目标检测的准确性？
SAFit通过Sigmoid加权IoU和NWD动态调整评估权重，更关注小目标位置偏差和大目标边界框精确度，从而提升检测准确性。
RGBT-Tiny数据集适用于哪些应用场景？
该数据集适用于无人机监控、自动驾驶和夜间搜救等场景，支持多模态融合、目标检测和跟踪等任务。
为什么现有数据集难以满足小目标检测的需求？
现有数据集多聚焦单一模态，目标尺寸偏大且场景单一，无法应对复杂的光照条件和背景干扰。
RGBT-Tiny数据集中目标的尺寸分布如何？
在RGBT-Tiny数据集中，81%的目标小于16×16像素，且包含极端光照和高密度场景。
研究团队对哪些算法进行了评估？
研究团队对30种主流目标检测算法进行了评估，包括YOLO、Faster R-CNN、RFLA、ACM等。
