Jul, 2020

垃圾桶：一个面向海洋垃圾视觉检测的语义分割数据集

PDF
TL;DR该研究介绍了 TrashCan 数据集，用于开发机器学习算法进行水下垃圾和海洋垃圾检测，训练也给出了两种分类方法，并通过 Mask R-CNN 和 Faster R-CNN 算法给出了初步结果。
trashcanunderwater trashmarine debrisobject detectionmachine learning
发现论文，激发创造
  • 优化后的自定义数据集用于有效检测水下垃圾

    本文提出了一个基于深度学习的高效检测方法和包含多种水下环境的标注数据集，以更精确地定位、分类和移除水下废弃物及海底垃圾，并解决由于光线折射、颜色失真等因素带来的诸多挑战。

    May, 2023

  • 用于前视声纳语义分割的海洋垃圾数据集

    本研究利用前向扫描声纳（FLS）开发了一个新的海洋垃圾分割数据集，并使用各种编码器对其进行语义分割的基线结果进行了分析比较，其中最佳性能的模型为采用 ResNet34 骨干网络的 Unet，IoU 为 0.7481。

    Aug, 2021

  • TACO：垃圾背景下垃圾检测的垃圾注释

    TACO 是一个用于垃圾检测和分割的开源图像数据集，它通过众包不断壮大。本文首先描述了这个数据集及支持它的工具，其次，我们使用 Mask R-CNN 在当前版本的 TACO 上报告了实例分割性能。尽管规模较小（1500 张图片和 4784 个注释），但我们在这个具有挑战性的问题上取得了有希望的结果。但是，为了在实际部署中达到令人满意的垃圾检测，TACO 仍需要更多的手动注释。这些可以通过此 http URL 被贡献。

    Mar, 2020

  • ZeroWaste 数据集：面向杂乱场景中的可变形物体分割

    该研究利用零浪费（ZeroWaste）数据集的计算机视觉技术，旨在提高回收处理过程中的分选效率，从而减少污染。

    Jun, 2021

  • 深度神经网络用于声纳图像中的海洋垃圾检测

    本文对使用深度神经网络（DNN）进行海洋垃圾检测的问题及相关问题（如图像分类、匹配和检测建议）进行了全面评估，研究结果表明，对于评估任务，DNN 是一种优越的技术，尤其是在匹配和检测建议任务方面具有很大的优势，这对于实践者是有价值的信息。

    May, 2019

  • 深度学习创新在水下废物检测中的应用：一项深入分析

    通过综合评估现有数据集和先进技术的体系结构，本文旨在为水下废物和垃圾检测建立基线，从而为先进的水下传感器和自主水下车辆提供目标定位技术的基准，最终实现水下环境的探测、废物识别和清除。

    May, 2024

  • Sentinel-2 在海岸地区大规模检测海洋垃圾

    本文介绍了基于深度分割模型和远程遥感技术，对海洋垃圾进行快速、自动化定量监测和检测的方法，实验结果表明设计强调样本多样性和标签优化的数据集比深度学习模型的选择更加重要。

    Jul, 2023

  • 设计一个可持续的海洋垃圾清理框架，不包含人类标签

    利用航拍图像和计算机视觉技术，本研究介绍了一种远程垃圾调查框架，通过 Grounding DINO 和 CLIP 实现零样本的垃圾检测和分类，并使用 Scale-Invariant Feature Transform 进行重复匹配，旨在支持高效可持续的社区清洁项目。

    May, 2024

  • 自主水下航行器智能碎屑质量估计模型

    海洋垃圾对海洋野生动物的存活构成重要威胁，因而清除海洋垃圾对恢复自然平衡和保护海洋生物的繁荣至关重要。本论文利用实例分割技术，通过对图像进行分割和定位，计算并总结各个对象的面积来评估实例分割的区域。

    Sep, 2023

  • 视频中表面和水中垃圾的检测：鲁棒高效的后处理和管道级绑定框链接

    印度尼西亚是一个海洋国家，由于无效的垃圾管理，海洋中积聚了大量的垃圾，影响严重。本研究提出了一种自动垃圾清理机器人的视频物体检测方法，利用 YOLOv5 模型和 Robust & Efficient Post Processing (REPP) 方法，通过考虑邻近帧的检测结果，提高了检测性能，相较于仅使用 YOLOv5，性能提高了约 3%。该方法有潜力用于实时基于图像的垃圾清理机器人，有望改善印度尼西亚的垃圾处理系统，减轻过去垃圾造成的损害。

    Jul, 2023