MarineDet：面向开放海洋目标检测
计算机视觉与模式识别
2023-10-04 v1
摘要
海洋目标检测在海洋研究中日益重要，其驱动力来自揭示海洋奥秘与增进对宝贵海洋生态系统理解的迫切需求。高效、准确地识别与定位水下影像中多样且未见的海洋实体存在深远需求。开放海洋目标检测（简称 OMOD）要求检测多样且未见的海洋目标，同时执行分类与定位。为实现 OMOD，我们提出 \textbf{MarineDet}。我们通过预训练构建联合视觉-文本语义空间，随后进行海洋专用训练以实现空域到海洋的知识迁移。考虑到尚无专为 OMOD 设计的数据集，我们构建了由 821 个海洋相关目标类别组成的 \textbf{MarineDet 数据集}，以促进并衡量 OMOD 性能。实验结果表明 MarineDet 优于现有通用与专用目标检测算法。据我们所知，我们首次提出 OMOD，其对海洋生态系统监测与管理具有更具价值且实用的设定。我们的研究不仅推进了海洋理解的边界，也为 OMOD 提供了标准流程。
引用
@article{arxiv.2310.01931,
title = {MarineDet: Towards Open-Marine Object Detection},
author = {Liang Haixin and Zheng Ziqiang and Ma Zeyu and Sai-Kit Yeung},
journal= {arXiv preprint arXiv:2310.01931},
year = {2023}
}
备注
8 pages, 5 figures