多场景内陆水道目标检测：数据集与方法
计算机视觉与模式识别
2025-04-08 v1
摘要
深度学习在智能舰船视觉感知方面的成功离不开丰富的图像数据。然而，针对内陆水道船舶的数据集仍寥寥，限制了视觉感知系统在复杂环境中的适应性。内陆水道以狭窄河道、变化天气和城市干扰等特征，为基于现有数据集的目标检测系统带来了重大挑战。为此，本文引入了多场景内陆水道船舶数据集（Multi-environment Inland Waterway Vessel Dataset, MEIWVD），包含 32,478 张高质量图像，涵盖晴天、雨天、雾天及人工照明等多种场景。MEIWVD 涵盖长江流域常见船舶类型，强调多样性、样本独立性、环境复杂性和多尺度特征，为船舶检测构建了稳健的基准。基于 MEIWVD，本文提出了基于环境条件的场景引导图像增强模块，以适应性方式改善水面图像。此外，采用受限参数的膨胀卷积来增强船舶特征的表征，同时提出一种多尺度膨胀残差融合方法，以整合多尺度特征以实现更好的检测。实验表明，MEIWVD 为目标检测算法提供了更严格的基准，所提方法显著提升了检测器的性能，尤其在复杂的多场景环境中效果更为突出。
引用
@article{arxiv.2504.04835,
title = {Inland Waterway Object Detection in Multi-environment: Dataset and Approach},
author = {Shanshan Wang and Haixiang Xu and Hui Feng and Xiaoqian Wang and Pei Song and Sijie Liu and Jianhua He},
journal= {arXiv preprint arXiv:2504.04835},
year = {2025}
}
备注
37 pages,11 figures,5 tables