水下光学目标检测智能算法赛项

一、赛题描述

水下光学目标检测智能算法

随着海洋观测的快速发展，水下物体检测别在海军沿海防御任务以及渔业、水产养殖等海洋经济中发挥着越来越重要的作用。水下图像是海洋信息的重要载体，目标检测作为当前人工智能领域的学术热点，应用前景非常广泛。该技术对于军事活动、资源勘测、海洋噪声污染保护等方面有着巨大的作用。本届大赛设置的水下光学图像目标检测赛项代表了人工智能和水下机器人技术在未来深度融合的方向。

初赛任务：在真实海底图片数据中检测出不同海产品（海参、海胆、扇贝、海星）的位置，主办方提供训练集和测试集。

二、数据描述

初赛训练集：提供7600幅训练图像（含人工标注真值数据），数据集结构如下，

一级目录

二级目录

解释说明

格式

train/

image/

所有训练图片

jpg

box/

同名图像文件的对应标注结果

xml

其中 train/image 文件夹中包含所有训练数据，这些图片之间不存在帧间连续性。图片路径示例如下：train/image/000001.jpg，其对应的目标检测标注真值位于路径 train/box/000001.xml 文件中，该文件包含了对应图像中所有物体的类别以及目标框参数（位置和尺寸）。本届比赛需检测的目标类别包括海参“holothurian”，海胆“echinus”，扇贝“scallop”和海星“starfish”四类。训练数据真值中可能存在水草“waterweeds”这一类别，请忽略这一类。比赛不限制参赛队伍使用其他来源的数据进行预训练/训练。

关于标注：

训练图片中存在一定的标注噪声，如有需要选手可自行清洗数据。其中，前缀 c 为基本干净标注数据，前缀 u 为含噪声标注数据。关于扇贝的标注歧义性较大，测试评估时基本以“前缀 c 中的扇贝标注标准”为准。

初赛测试集：

A 榜测试集：1200幅测试图像，详见数据下载

B 榜测试集：1200幅测试图像（与 A 榜不重复），详见数据下载

数据使用规则：测试集只允许用于推理流程（推理流程的定义：输入为测试集数据，经过携带参数的模型计算，得出推理结果的过程）。

三、数据样例

海胆人工养殖_海胆养殖技术视频_视频养殖海胆技术教程