AutoFish：面向鱼类精细分析的数据集与基准
计算机视觉与模式识别
2025-01-08 v1
摘要
自动化鱼类文档处理正在迅速成为可持续渔业管理和解决过度捕捞挑战的关键环节。本文提出了一个新颖且公开可用的数据集AutoFish，用于鱼类的精细分析。该数据集包含1500张454个外观相似鱼类的图片，这些图片在白色传送带上以各种姿态排列，并标注了实例分割掩码、ID和长度测量值。数据在使用RGB相机的受控环境下收集。标注过程包括手动点标注、由Segment Anything Model (SAM) 提出的初始分割掩码，以及后续的手动修正。我们使用两种Mask2Former架构的变体建立了实例分割基线结果，其中表现最好的模型达到mAP为89.15%。此外，我们还提出了两种长度估计基线方法，其中表现最好的采用定制MobileNetV2回归模型，在无遮挡图像中达到MAE为0.62cm，在有遮挡图像中达到1.38cm。项目页面链接：https://vap.aau.dk/autofish/。
引用
@article{arxiv.2501.03767,
title = {AutoFish: Dataset and Benchmark for Fine-grained Analysis of Fish},
author = {Stefan Hein Bengtson and Daniel Lehotský and Vasiliki Ismiroglou and Niels Madsen and Thomas B. Moeslund and Malte Pedersen},
journal= {arXiv preprint arXiv:2501.03767},
year = {2025}
}
备注
In the 3rd Workshop on Maritime Computer Vision (MaCVi) at WACV'25