FishDet-M: 面向多样化水下视觉域的鲱鱼检测与CLIP引导模型选择统一大规模基准
计算机视觉与模式识别
2025-07-25 v1 机器人学
摘要
准确的水下图像鱼类检测是生态监测、养殖自动化和机器人感知的关键环节。然而，实际部署受限于数据碎片化、异构的成像条件以及不一致的评估协议。为此，我们提出 \textit{FishDet-M}，目前规模最大的鱼类检测统一基准，包含 13 个公开数据集，涵盖海洋、淡水、遮挡及水族馆等多样化水下环境。所有数据均采用 COCO 风格标注，包含边界框和分割掩码，实现一致且可扩展的跨域评估。我们系统性地对 28 个当代目标检测模型进行基准测试，涵盖 YOLOv8 至 YOLOv12 系列、R-CNN 系列检测器以及 DETR 系列模型。评估指标包括 mAP、mAP@50、mAP@75，以及尺度特异性分析（AP、AP、AP）和推理时延、参数量等推理配置。结果显示，训练于 FishDet-M 上的不同模型在检测性能上存在差异，同时揭示了不同架构模型在准确率与效率之间的权衡。为支持适应性部署，我们引入基于 CLIP 的模型选择框架，利用视觉语言对齐功能动态识别每张输入图像最合适的检测器。该零样态选择策略无需 ensemble 计算即可实现高性能，为实时应用提供可扩展解决方案。FishDet-M 建立了用于评估复杂水下场景中目标检测的标准化、可复现平台。所有数据集、预训练模型及评估工具均公开可用，以促进水下计算机视觉和智能海洋系统未来研究的发展。
关键词
引用
@article{arxiv.2507.17859,
title = {FishDet-M: A Unified Large-Scale Benchmark for Robust Fish Detection and CLIP-Guided Model Selection in Diverse Aquatic Visual Domains},
author = {Muayad Abujabal and Lyes Saad Saoud and Irfan Hussain},
journal= {arXiv preprint arXiv:2507.17859},
year = {2025}
}