SULAND v2：修正 RGB 辣地雷偵測資料集標註錯誤與基準檢定
為何重要
研究直接挑戰「高內部分析準確率不等於實戰可用」的迷思，強調資料集品質（無雜訊、標註精確）對 OOD 泛化能力的決定性，對於極度講究現場部署穩定性的人機協作安防與救援領域具實質參考價值。
UAV/UGV 露天生地雷掃除若運用 RGB 影像，具備低成本優勢但仍需解決資料標註品質與跨環境適應性問題。研究團隊發表 SULAND_v2，針對前述缺陷進行全面的手工修正與基準重測。
- SULAND_v2 修正了原始集的遺漏/錯誤標註、定位差與視覺偽影，並同步解決了反向 OOD 類別 ID 的違規問題，同時保留了原始圖片分割。
- 資料集規模維持 33,771 張圖片與 12,433 個邊界框，並涵蓋 9 個偵測器家族對 35 種配置進行基準測試。
- 修正後 YOLOv8 在出現分佈(OD)的 mAP@50 提升約 25 個百分點。最高表現者為 YOLOv12-Small 在內部分佈上達 0.908 mAP@50，以及 RF-DETR-Large 在出現分佈上達 0.799 mAP@50 與 0.675 召回率。