Awesome_Underwater_Datasets: 水下数据集大全

RayRay
水下数据集图像增强目标检测分割声学数据Github开源项目

Awesome_Underwater_Datasets

水下数据集大全:助力水下图像处理与计算机视觉研究

随着海洋探索和水下机器人技术的快速发展,水下图像处理与计算机视觉已成为一个备受关注的研究热点。然而,由于水下环境的特殊性,获取高质量的水下数据集一直是这一领域面临的主要挑战之一。为了推动水下图像处理与计算机视觉技术的进步,研究人员们开发并公开了大量的水下场景数据集。本文将对这些宝贵的数据资源进行系统性的总结和介绍,希望能为相关研究者提供有价值的参考。

图像增强与颜色校正

水下图像往往存在模糊、色彩失真等问题,因此图像增强和颜色校正是水下图像处理的基础任务。以下是一些广受欢迎的水下图像增强数据集:

  • EUVP数据集:包含成对的水下图像和增强后的图像,适用于有监督学习方法。
  • Underwater Imagenet:基于ImageNet构建的水下版本,提供了大规模的成对数据。
  • UIEBD数据集:包含950对水下图像及其参考图像,是目前最大的水下图像增强基准数据集之一。
  • SQUID数据集:专注于前视声呐图像的颜色校正,包含了多种水下场景。
  • U-45数据集:包含45对水下图像,专门用于测试水下图像增强算法的性能。

这些数据集为研究人员提供了丰富的训练和测试数据,极大地推动了水下图像增强技术的发展。

单图像超分辨率

超分辨率技术可以有效提升水下图像的清晰度和细节。USR-248是一个专门针对水下场景的单图像超分辨率数据集,包含248对低分辨率和高分辨率图像对,支持2倍、4倍和8倍的超分辨率任务。

深度估计

深度信息对水下机器人导航和场景理解至关重要。USOD10k是一个大规模的水下场景RGB-D数据集,包含10,000张带有深度图的水下图像,为单目深度估计研究提供了宝贵的数据支持。

图像分割

精确的图像分割是许多水下视觉任务的基础。以下是几个常用的水下图像分割数据集:

  • SUIM:包含1525张带有像素级标注的水下图像,覆盖了8个常见的水下目标类别。
  • Coral-Net:专注于珊瑚礁场景的分割,包含约200万张带标注的图像。
  • Eilat数据集:包含来自以色列埃拉特海域的珊瑚礁图像,提供了详细的分割标注。

水下图像分割示例

显著性目标检测

在复杂的水下环境中准确定位关键目标是一项重要能力。USOD10k和UFO-120是两个专门针对水下场景的显著性目标检测数据集,分别包含10,000和120张带有像素级显著性标注的图像。

目标检测与分类

水下目标检测与分类在海洋生态监测、水下考古等领域有着广泛应用。以下是一些代表性的数据集:

  • MOUSS:来自CVPR 2018水下视觉挑战赛的数据集,包含各类海洋生物。
  • Brackish:专注于不同能见度条件下的海洋动物检测。
  • WildFish:大规模的野生鱼类识别数据集,包含54,459张图像。
  • TrashCan:针对海洋垃圾检测的语义分割数据集。

这些数据集涵盖了从一般场景到特定任务(如人机协作、珊瑚礁监测、鱼类识别、海洋垃圾检测等)的多个方面,为水下目标检测与分类研究提供了丰富的数据资源。

声学数据

除了光学图像,声学数据在水下感知中也扮演着重要角色。Five-element acoustic dataset和DIDSON dataset分别提供了水下声学和声呐成像数据,为相关研究提供了支持。

立体视觉数据

立体视觉可以为水下场景重建和深度估计提供重要信息。Tasmania coral point、CADDY stereo data等数据集提供了各类水下立体视觉数据,支持相关算法的开发和验证。

结语

本文系统性地总结了目前公开可用的水下数据集资源,涵盖了从基础的图像增强到高级的目标检测等多个研究方向。这些宝贵的数据集为水下图像处理与计算机视觉的研究提供了坚实的基础,推动了相关技术的快速发展。然而,由于水下环境的复杂性和多样性,现有数据集仍存在一定局限性。未来,我们期待看到更多大规模、多模态、高质量的水下数据集涌现,进一步促进这一领域的创新与突破。

对于研究人员来说,充分利用这些开放数据集,可以大大加速算法的开发和验证过程。同时,我们也鼓励研究者在使用这些数据集的同时,积极贡献自己的数据,共同推动水下计算机视觉技术的进步,为海洋探索和保护贡献力量。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多