Key points are not available for this paper at this time.
UAVs की व्यवसायिक प्रचुरता के बावजूद, एरियल डेटा अधिग्रहण चुनौतीपूर्ण बना हुआ है, और मौजूदा एशिया और उत्तरी अमेरिका-केंद्रित ओपन-सोर्स UAV डेटासेट छोटे पैमाने या निम्न-रिज़ॉल्यूशन के हैं और दृश्य संदर्भता में विविधता की कमी है। इसके अतिरिक्त, दृश्यों की रंग सामग्री, सौर जेनिथ कोण, और विभिन्न भौगोलिकताओं की जनसंख्या घनत्व डेटा विविधता को प्रभावित करते हैं। ये कारक मिलकर गहराई से प्रशिक्षित न्यूरल नेटवर्क (DNN) मॉडलों की एरियल-विज़ुअल परसेप्शन को आदर्श से कम कर देते हैं, जिसमें ओपन-वर्ल्ड फाउंडेशनल मॉडल शामिल हैं। एरियल डिटेक्शन के एक परिवर्तनकारी युग का मार्ग प्रशस्त करने के लिए, हम मल्टीव्यू एरियल विज़ुअल रिकॉग्निशन या MAVREC पेश करते हैं, जो एक वीडियो डेटासेट है जहाँ हम विभिन्न दृष्टिकोणों से समकालिक दृश्यों को रिकॉर्ड करते हैं - ग्राउंड कैमरा और ड्रोन-माउंटेड कैमरा। MAVREC में लगभग 2.5 घंटे के उद्योग-मानक 2.7K रिज़ॉल्यूशन वीडियो अनुक्रम, 0.5 मिलियन से अधिक फ़्रेम और 1.1 मिलियन एनोटेटेड बाउंडिंग बॉक्स शामिल हैं। यह MAVREC को सबसे बड़ा ग्राउंड और एरियल व्यू डेटासेट बनाता है, और सभी ड्रोन-आधारित डेटासेटों में चौथा सबसे बड़ा है। MAVREC पर हमारे व्यापक बेंचमार्किंग के माध्यम से, हम पहचानते हैं कि संबंधित भौगोलिक स्थान से ग्राउंड व्यू छवियों के साथ ऑब्जेक्ट डिटेक्टर्स को बढ़ाना एरियल डिटेक्शन के लिए एक श्रेष्ठ प्रीट्रेनिंग रणनीति है। इस रणनीति पर आधारित, हम MAVREC को एक पाठ्यक्रम-आधारित अर्ध-निगरानी ऑब्जेक्ट डिटेक्शन दृष्टिकोण के साथ बेंचमार्क करते हैं जो लेबल किए गए (ग्राउंड और एरियल) और अनलेबल्ड (केवल एरियल) छवियों का लाभ उठाता है ताकि एरियल डिटेक्शन को बढ़ाया जा सके।
दत्ता इत्यादि (सूर्य,) ने इस प्रश्न का अध्ययन किया।