# UDD_OFFICIAL
为促进海洋养殖场水下自动抓取机器人的发展,大连理工大学多媒体实验室(MM_lab)提出了一个水下海洋牧场目标检测数据集UDD。UDD包括3个类别(海参、海胆和扇贝)共2,227张图片。这是第一个在真实海洋牧场中采集到的数据集。我们还提出了一个新的泊松混合生成对抗网络(Poisson GAN)。
利用Poisson GAN我们构造了一个大型包含18,000张图像的增强数据集(AUDD)。此外,为了使检测器更好的适应水下抓取环境,我们还合成了一个预训练数据集(pre-training dataset),包含59万张图像。
## Download
* [BaiduYun](https://pan.baidu.com/s/1byq7wEID-OzLSJ8p5A6Z5g) Key : 2kse
## Citation
@article{Wang:2020ug,
author = {Wang, Zhihui and Liu, Chongwei and Wang, Shijie and Tang, Tao and Tao, Yulong and Yang, Caifei and Li, Haojie and Liu, Xing and Fan, Xin},
title = {{UDD: An Underwater Open-sea Farm Object Detection Dataset for Underwater Robot Picking}},
journal = {arXiv.org},
year = {2020},
eprint = {2003.01446v1},
eprinttype = {arxiv},
eprintclass = {cs.CV},
month = mar,
annote = {10 pages, 9 figures}
}
原始仓库地址:https://github.com/chongweiliu/udd_official.git
# Detecting Underwater Objects (DUO)
水下目标检测技术引起了人们的越来越多的关注。然而,这个领域仍然存在着若干挑战。我们通过应对以下挑战,来促进水下目标检测技术的发展。首先,由于目前可用的数据集基本上缺乏测试集的真值标注文件,这导致研究者必须在训练集上划分出测试集来与其他方法进行比较。训练其他方法会增加工作量;不同的研究人员会划分不同的测试集,导致这一领域没有一个统一的基准来比较不同算法的性能。其次,这些已有数据集(URPC系列)也存在其他缺点,如相似图像过多或标签标注不准确。针对以上这些挑战,我们在对所有相关数据集进行收集和重新标注的基础上,引入了一个新的数据集——水下目标检测数据集(Detection Underwater Objects, DUO)和其相应的基准(benchmark)。DUO包含了多种多样的水下图像,并且具有更合理的注释。相应的基准为学术研究和工业应用提供了多种目标检测模型(在mmddetection框架下)在DUO上的效率和准确性等指标对比数据,其中NVIDIA嵌入式平台JETSON AGX XAVIER也被用于评估不同检测模型的实时推理速度,用以模拟机器人的嵌入式环境。
## 下载
* [BaiduYun](https://pan.baidu.com/s/1Be8zc9UdR_Pdsyotg_vR2Q) Key : 4bfl
## 引用
@ARTICLE{2021arXiv210605681L,
author = {{Liu}, Chongwei and {Li}, Haojie and {Wang}, Shuchang and {Zhu}, Ming and {Wang}, Dong and {Fan}, Xin and {Wang}, Zhihui},
title = "{A Dataset And Benchmark Of Underwater Object Detection For Robot Picking}",
journal = {arXiv e-prints},
year = 2021,
month = jun,
eid = {arXiv:2106.05681},
pages = {arXiv:2106.05681},
archivePrefix = {arXiv},
eprint = {2106.05681},
primaryClass = {cs.CV}
}
原始仓库地址:https://github.com/chongweiliu/duo.git