该研究介绍了第一个公开可用的多模态感知数据集，针对自主海洋导航中的水中障碍物，以增强自主水面车辆的情境感知。该数据集包括了不同环境条件下遇到的各种物体，并旨在通过提供多模态、带注释的、自我的感知数据集来填补海洋机器人学研究的空白，以进行物体检测和分类。我们还展示了该数据集框架的适用性，使用已经取得成功的基于深度学习的开源感知算法。我们期望我们的数据集将有助于海洋自主管道和海洋机器人技术的发展。请注意，这是我们正在进行的研究的一篇进行性论文，我们计划通过未来的出版物来完整发布。

Apr, 2024

利用海洋无人机进行目标检测的深度学习技术在海洋工程和海洋行业的应用越来越重要。本文综述了海洋无人机目标检测面临的挑战、相关方法以及无人机航拍数据集，并提出了一个名为 MS2ship 的海洋无人机航拍数据集用于船只检测。通过一系列实验评估和鲁棒性分析，论文展示了这些目标检测方法在海洋数据集上的性能，并对未来的海洋无人机目标检测工作进行了讨论和展望。

Nov, 2023

本文提出了一种新的图形模型，利用基于 Markov 随机场的高效算法，通过对海洋环境的观测，实现了无人驾驶水面船只 (USV) 在单视频流中对航行障碍物的快速连续检测，不需要计算复杂的纹理特征，并在实时运行的同时取得了最好的分割结果。

Mar, 2015

本文介绍了 AVOIDDS，这是一个逼真的目标检测基准测试，包含了 72000 个逼真的图片数据集，以及相应的模型评估接口和整个仿真问题的解决方案，在安全关键应用中，这样的基准测试将有助于设计稳健的机器学习系统。

Jun, 2023

通过融合自动识别系统（AIS）数据和图像中检测到的船舶，我们提出了一种方法用于创建数据集，用于识别船只、姿态估计和自动标注管道。

Dec, 2023

海洋船只的侦测对地面站传输地球观测图像数据存在许多成本，我们设计了一个低功耗系统，采用两阶段的轻量级模型进行船只侦测和定位，以提高性能和节省能源。

Jun, 2024

该研究论文介绍了 CrowdSim2—— 一个新的人和车辆检测适用的合成图像集合，旨在用于基于人工智能的监督模型开发。研究发现他们使用的这个新数据集对于在受控环境中测量检测器性能是一个有价值的工具。

Apr, 2023

我们的研究聚焦于船舶图像的超分辨率问题，在基于扩散模型的架构中，利用文本条件的训练来生成超分辨率图像，同时探索了该模型在分类和目标检测等下游任务中的潜在应用。

Mar, 2024

本文介绍了一个旨在填补从陆基视觉系统到海基系统的差距的大规模视觉目标检测和跟踪基准（SeaDronesSee），我们从各种高度和视角，提供海拔，视角和其他元数据等相关信息，收集和注释了超过 54,000 帧，包括 400,000 个实例，并在此基础上评估了多个最先进的计算机视觉算法。

May, 2021

通过引入 SafeSea 方法，我们能够快速生成多样的天气条件背景的海洋图像数据集，在训练海洋物体检测模型时起到重要作用，并观察到天气条件对检测准确性的影响。

Nov, 2023