面向无人船 surface 车辆的视觉数据集与深度学习技术综合综述
计算机视觉与模式识别
2024-12-03 v1
摘要
无人船 surface 车辆 (USVs) 已成为海洋运营中的重要平台，能够支持广泛的应用。USVs 有助于降低劳动成本、提高安全性、节省能源，并允许在恶劣海洋环境中执行困难的无人任务。随着 USVs 的快速发展，诸如检测和分割等视觉任务变得日益重要。数据集在鼓励和改进 USVs 可靠视觉算法的研发方面发挥着重要作用。就此而言，近期大量研究聚焦于发布 USVs 的视觉数据集。随着数据集的开发，各种深度学习技术也受到关注，专注于 USVs。然而，目前缺乏对两方面最新研究的系统综述，以提供 USVs 视觉当前发展的全面图景，包括局限性和趋势。在本研究中，我们提供了 USVs 数据集和视觉技术的综合综述。我们的综述基于大量来自 USVs 的视觉数据集进行。我们详述了基于对当前数据集和深度学习技术的彻底分析，为 USVs 视觉研究和开发所面临的挑战和潜在机遇。
关键词
引用
@article{arxiv.2412.01461,
title = {A comprehensive review of datasets and deep learning techniques for vision in Unmanned Surface Vehicles},
author = {Linh Trinh and Siegfried Mercelis and Ali Anwar},
journal= {arXiv preprint arXiv:2412.01461},
year = {2024}
}