UAVDT 全称 Unmanned Aerial Vehicle Benchmark Object Detection and Tracking，是关于无人机目标检测追踪的大规模视频数据集，包含 10 小时的原始视频，约 8,000 具有代表性的视频帧，这些视频帧带有手动标注边界框和一些有用的标签，例如车辆类别和遮挡。该数据集是由无人机在各种复杂场景下捕获的，主要用于执行三个基本任务：目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）。

该数据集的基准由 100 个视频序列组成，它们是从无人机在城市地区多个地点拍摄的超过 10 小时的视频中选择的，代表各种常见场景，包括广场、干线街道、收费站、高速公路、十字路口和 T 型路口，该基准中较为显著的目标对象是车辆、视频以每秒 30 帧（fps）的速度录制，JPEG 图像分辨率为 1080 × 540 像素。