SULAND v2：面向无人机/无人车地雷识别的RGB数据集与域外评测基准

导语

RGB 相机便宜、易部署，因而常被视为无人机和无人地面车执行地表地雷巡检时的现实选择。但在排雷辅助这样安全敏感的场景里，模型“看起来能检测”远远不够：数据标注是否可靠、测试集是否反映域外变化、不同架构是否真正可比，都会直接影响后续系统是否值得信任。SULAND v2 正是围绕这些问题，对已有 SULAND 数据集进行了一次系统性重审与基准重建。

核心要点

• 重新审校数据，而非更换图像：研究团队保留了原始图像和数据划分，逐帧检查并在 Label Studio 中手工修正标注，使 v1 与 v2 仍可直接对比。
• 修复多类标注问题：原始数据中存在漏标、误标、边界框定位不准、部分可见目标判定标准不一致、视觉伪影、时间序列标注不一致等问题。
• 纠正关键 OOD 错误：研究发现原 SULAND 的域外测试部分存在类别 ID 约定反转，这会显著扭曲 OOD 评估结果。
• 规模与覆盖：SULAND v2 包含 33,771 张 RGB 图像和 12,433 个边界框，面向 PFM-1 与 PMA-2 等地表地雷目标检测。
• 跨架构基准：论文在统一协议下评测了 9 个检测器家族、35 种配置，覆盖一阶段、两阶段、Transformer 以及开放词汇检测方案。

关键结果

数据清洗带来的影响非常直接。仅标注修正，就让 YOLOv8 在同分布 IID 测试上的 mAP@50 提升 14.6 到 19.6 个百分点；而修复 OOD 类别 ID 约定后，YOLOv8 的平均 OOD mAP@50 约提升 25 个百分点。这说明，基准数据中的“看似小错误”可能足以改变模型优劣判断。

在 SULAND v2 上，YOLOv12-Small 获得最高 IID mAP@50，为 0.908；但域外表现最强的则是 RF-DETR-Large，OOD mAP@50 为 0.799，召回率为 0.675。更重要的是，域 shift 下模型排名会明显重排，模型规模也不能稳定预测鲁棒性。

意义与影响

这项工作提醒我们，安全关键 AI 不能只依赖单一测试集分数。对于无人机/无人车辅助地雷巡检，真正重要的是模型能否在不同地面纹理、光照、视角和采集条件下保持可靠。SULAND v2 的价值不只是“更干净的数据集”，还在于它提供了一个可复现实验框架，用来区分训练标签质量、评估真值一致性和域外泛化能力。

对研究者而言，它为 RGB 地雷检测提供了更可信的公共基准；对应用方而言，它再次强调：IID 高精度并不等于作业就绪，部署前必须进行面向域外场景的独立验证。

来源：Hugging Face Daily Papers