ShellfishNet：用于海洋软体动物视觉识别的数据集
计算机视觉与模式识别
2026-05-11 v1
摘要
全球软体动物生物多样性的下降构成了对 coastal 生态系统的严重威胁。尽管人工智能 (AI) 技术在自动生态监测方面显示出潜力，但现有的海洋底质数据集常不适应真实 underwater 环境的复杂性（例如变动的光照条件和多样化的物种姿态），这给在实际生态监测中对视觉模型的稳健泛化带来了挑战。为此，我们构建了 ShellfishNet，这是一个专为真实生态监测约束设计的综合性图像基准数据集。该数据集包含 32 种物种的 8691 张图片，包含一部分带有描述性标题的精选子集。数据集通过野外摄影和网页抓取构建，涵盖复杂真实环境中的样本。基于此基准，我们系统评估了 80 个代表性神经网络模型，包括卷积神经网络 (CNN)、Vision Transformer (ViT)、State Space Model (SSM) 和自监督学习 (SSL) 方法。此外，我们评估了细粒度视觉分类 (FGVC) 模型的性能，并调查了几种主流多模态大语言模型 (MLLM) 的图像描述能力。我们还引入了图像损坏基准测试，以模拟常见的 underwater 降解情景（浑浊度、恶劣天气），评估视觉模型的鲁健性，以实现野外生态保护的可信决策。ShellfishNet 旨在为软体动物的智能监测提供数据基础和模型评估基准。
引用
@article{arxiv.2605.07338,
title = {ShellfishNet: A Domain-Specific Benchmark for Visual Recognition of Marine Molluscs},
author = {Ziheng Zhou and Yang Wang and Nan Wang and Chengliang Wu and Jun Yan},
journal= {arXiv preprint arXiv:2605.07338},
year = {2026}
}