水下目标检测中所有海洋物种都等价吗？性能差异分析
计算机视觉与模式识别
2025-10-02 v2 机器学习
机器人学
摘要
水下目标检测对于监测海洋生态系统至关重要，但面临独特挑战，包括图像质量下降、类别分布不平衡以及独特的视觉特征。并非所有物种检测效果都相同，但其背后的原因尚不清晰。我们回答两个关键研究问题：1) 除了数据数量之外，哪些因素驱动类别特定的性能差异？2) 如何系统性地提高检测表现不佳的海洋物种的性能？我们操控 DUO 和 RUOD 数据集，将目标检测任务分为定位和分类两个部分，研究对甜蟹类别的表现不佳问题。使用 YOLO11 和 TIDE 进行定位分析发现，前景-背景区分是最具问题性的环节，无论数据量如何。分类实验显示，即使数据平衡，仍存在持续的精度差距，表明超出数据稀缺和类别间依赖关系之外的固有特征挑战。我们建议在优先考虑精度时使用不平衡分布，在优先考虑召回率时使用平衡分布。改善表现不佳的类别应聚焦于算法进步，尤其是定位模块。我们公开了代码和数据集。
引用
@article{arxiv.2508.18729,
title = {Are All Marine Species Created Equal? Performance Disparities in Underwater Object Detection},
author = {Melanie Wille and Tobias Fischer and Scarlett Raine},
journal= {arXiv preprint arXiv:2508.18729},
year = {2025}
}
备注
10 pages for main paper, 4 pages for supplementary material