WUTDet：10 万规模的舰船检测数据集与基准测试，聚焦稀疏小目标
计算机视觉与模式识别
2026-04-10 v1
摘要
舰船检测是智能水路运输系统中基础的感知任务。然而，现有的公开舰船检测数据集在规模、小目标实例比例以及场景多样性方面仍有限，这阻碍了在复杂海域环境中对检测算法进行系统评估和泛化研究。为此，我们构建了 WUTDet 数据集。WUTDet 包含 100,576 张图像和 381,378 个标注的舰船实例，涵盖港口、锚地、航行和靠泊等多样化的作业场景，以及雾、光晕、低亮度和雨雾等各种成像条件，展现出巨大的多样性和挑战性。基于 WUTDet，我们系统评估了 20 个主流检测架构的基线模型，包括 CNN、Transformer 和 Mamba。实验结果表明，Transformer 架构在整体检测精度（AP）和小目标检测性能（APs）方面取得优异表现，显示出对复杂海域场景的更强适应性；CNN 架构在推理效率方面保持优势，更适合实时应用；Mamba 架构在检测精度和计算效率之间取得良好平衡。此外，我们构建了统一的跨数据集测试集 Ship-GEN，用于评估模型的泛化能力。在 Ship-GEN 上的测试结果表明，在 WUTDet 上训练的模型在不同数据分布下展现出更强的泛化能力。这些发现表明，WUTDet 为在复杂海域场景下舰船检测算法的研究、评估和泛化分析提供了有效的数据支持。数据集已公开提供：https://github.com/MAPGroup/WUTDet。
引用
@article{arxiv.2604.07759,
title = {WUTDet: A 100K-Scale Ship Detection Dataset and Benchmarks with Dense Small Objects},
author = {Junxiong Liang and Mengwei Bao and Tianxiang Wang and Xinggang Wang and An-An Liu and Ryan Wen Liu},
journal= {arXiv preprint arXiv:2604.07759},
year = {2026}
}