CANSURF：用于检测和跟踪海面低层垃圾的 ASV-视角罐数据集与基准
计算机视觉与模式识别
2026-05-19 v1 人工智能
摘要
海面低层垃圾仍是自动清理的实际瓶颈，在此情况下，小型、反射性目标（如铝罐）必须在眩光、波纹和部分浸没的情况下在远距离检测到。本文提出了一个 ASV 视觉系统和一个新的 surface-can 数据集。该数据集包含约 7300 张从视频中提取的原始图像，并用边界框进行标注，经十种数据增强类型扩充后约 57000 张训练/验证图像，涵盖多样化的光照和水态。对针对 surface 操作的检测器和检测-跟踪管线进行了基准测试。在 CANSURF 上训练 YOLOv11 可将通用数据集的性能提升 12 倍，凸显了数据集的价值。实验表明，YOLOv11+ByteTrack 能获得最稳定的轨迹（身份切换更少），在多目标情境下表现更好，而 YOLOv11+SAHI 在远距离罐子检测召回率更高，但在全景输入下精度较低。鉴于任务概况，单罐抓取（approach and grab），YOLOv11+SAHI 在检测尽可能多的罐子方面更好。目前没有已开放的先前数据集针对从 surface 视角在水面上检测铝罐；本数据集填补了这一空白，支持可重复的评估。
引用
@article{arxiv.2605.16774,
title = {CANSURF: An ASV-View Can Dataset and Benchmark for Detection and Tracking of Surface-Level Debris},
author = {Zaid Aljundi and Zahra F. Rahmatullah and Mostafa Elemam and Abdullah Moosa},
journal= {arXiv preprint arXiv:2605.16774},
year = {2026}
}
备注
Published in the 2025 8th International Conference on Signal Processing and Information Security (ICSPIS). Published and available to view on IEEE Xplore