中文

为什么领域很重要：水下目标检测和标注质量领域感知基准测试

计算机视觉与模式识别 2026-07-12 v1
作者: Melanie Wille , Dimity Miller , Tobias Fischer , Scarlett Raine
在 arXiv 上查看 ↗ PDF ↗

摘要

水下目标检测受到领域偏移的强烈影响，其性能在不同位置、栖息地和部署条件下可能存在显著差异。然而，检测器性能通常使用聚合指标进行评估，这些指标掩盖了特定环境中的失败，而现有的领域泛化基准通常依赖于不能反映真实世界条件的合成变化。我们引入了一个框架，通过外观、场景组成和采集几何来表征水下图像，以分配领域标签。使用此框架，我们进行了首次系统研究，探讨领域因素如何影响水下目标检测数据集中的人类标注质量和基于深度学习的检测器性能，揭示了显著的领域依赖性差异。通过结合物理上有意义的领域标签，领域偏移变成了我们可以表征、测量、基准测试和采取行动的东西。我们强调了如何利用这一点来指导数据收集和标注，设计更具信息量的基准，并评估检测器在不同水下环境中的鲁棒性。

关键词

underwater object detection domain shift domain-aware benchmarking annotation quality domain generalization

引用

@article{arxiv.2607.10575,
  title  = {Why Domain Matters: Domain-Aware Benchmarking of Underwater Object Detection and Annotation Quality},
  author = {Melanie Wille and Dimity Miller and Tobias Fischer and Scarlett Raine},
  journal= {arXiv preprint arXiv:2607.10575},
  year   = {2026}
}