当追踪器相亲：面向 underwater 多目标鱼类跟踪的基准与框架
计算机视觉与模式识别
2025-12-01 v3
摘要
多目标跟踪(MOT)技术在陆地应用中取得了显著进展，但在水下跟踪场景中仍鲜有探索，尽管这些场景对海洋生态学和养殖业至关重要。本文提出了名为 Multiple Fish Tracking Dataset 2025 (MFT25) 的综合数据集，专为水下多鱼类跟踪设计，包含 15 个多样化视频序列，涵盖 48,066 帧中 408,578 个细致标注的边界框。数据集捕捉了 various underwater environments、鱼类物种以及挑战性条件，包括遮挡、相似外观和不规则运动模式。此外，我们引入了 Scale-aware and Unscented Tracker (SU-T)，一种专门的跟踪框架，采用针对鱼类不规则游动模式优化的无信任卡尔曼滤波器(UK)，以及考虑水生物种独特形态特征的新型 Fish-Intersection over Union (FishIoU)匹配。广泛的实验表明，SU-T 在 MFT25 上的基线方法实现了 state-of-the-art 性能，达到 34.1 HOTA 和 44.6 IDF1，而揭示了鱼类跟踪与陆地物体跟踪之间的根本差异。该数据集和代码已发布于 https://vranlee.github.io/SU-T/。
引用
@article{arxiv.2507.06400,
title = {When Trackers Date Fish: A Benchmark and Framework for Underwater Multiple Fish Tracking},
author = {Weiran Li and Yeqiang Liu and Qiannan Guo and Yijie Wei and Hwa Liang Leo and Zhenbo Li},
journal= {arXiv preprint arXiv:2507.06400},
year = {2025}
}
备注
Accepted by AAAI 2026 (Oral)