SimuShips——用于船舶检测的高分辨率仿真数据集及精确标注
计算机视觉与模式识别
2022-11-11 v1 人工智能
机器学习
机器人学
图像与视频处理
摘要
障碍物检测是自主水面船舶（AMSV）的一项基本能力。最先进的障碍物检测算法基于卷积神经网络（CNN）。虽然 CNN 提供了更高的检测精度和更快的检测速度，但它们需要海量数据进行训练。特别是，领域特定数据集的可用性对障碍物检测而言是一项挑战。现场实验的困难限制了海上数据集的采集。由于现场作业的后勤成本，仿真工具为数据收集提供了一种安全且高性价比的替代方案。在这项工作中，我们介绍了 SimuShips，一个公开可用的基于仿真的海上环境数据集。我们的数据集包含 9471 张高分辨率（1920x1080）图像，涵盖了广泛的障碍物类型、大气与光照条件，以及遮挡、尺度和可见比例变化。我们以边界框的形式提供标注。此外，我们使用 YOLOv5 进行实验以测试仿真数据的可行性。我们的实验表明，真实图像与仿真图像的结合使所有类别的召回率提高了 2.9%。
引用
@article{arxiv.2211.05237,
title = {SimuShips -- A High Resolution Simulation Dataset for Ship Detection with Precise Annotations},
author = {Minahil Raza and Hanna Prokopova and Samir Huseynzade and Sepinoud Azimi and Sebastien Lafond},
journal= {arXiv preprint arXiv:2211.05237},
year = {2022}
}