Awesome-Maritime-Visual-Dataset

这是一个海事视觉数据集的集合，包含多个与无人水面车辆（USV）和无人机（UAV）相关的数据集，用于自主驾驶、障碍物检测和分类等任务。

This collection constitutes a maritime visual dataset, encompassing multiple datasets related to Unmanned Surface Vehicles (USV) and Unmanned Aerial Vehicles (UAV), which are utilized for tasks such as autonomous navigation, obstacle detection, and classification.

原始信息汇总

Awesome Maritime Visual Dataset 概述

USV 数据集

USVTrack

• 描述: 用于内河航道自动驾驶的4D雷达-相机跟踪数据集
• 发表: IEEE/RSJ International Conference on Intelligent Robots and Systems
• 年份: 2025
• 论文: https://arxiv.org/abs/2506.18737
• 数据: https://github.com/USVTrack/USVTrack?tab=readme-ov-file

PoLaRIS

• 描述: 浦项运河海上环境中的目标检测与跟踪数据集
• 发表: IEEE ICRA
• 年份: 2025
• 论文: https://arxiv.org/abs/2412.06192
• 数据: https://github.com/sparolab/PoLaRIS

MVDD13

• 描述: 无人水面船舶的船舶检测数据集和基准
• 发表: Applied Ocean Research
• 年份: 2024
• 论文: https://doi.org/10.1016/j.apor.2023.103835
• 数据: https://github.com/yyuanwang1010/MVDD13

WaterScences

• 描述: 水面自动驾驶的多任务4D雷达-相机融合数据集
• 发表: IEEE Transactions on Intelligent Transportation Systems
• 年份: 2024
• 论文: https://doi.org/10.1109/TITS.2024.3415772
• 数据: https://github.com/WaterScenes/WaterScenes

LaRS

• 描述: 多样化的全景海上障碍物检测数据集
• 发表: ICCV 2023
• 年份: 2023
• 论文: https://arxiv.org/pdf/2308.09618
• 数据: https://lojzezust.github.io/lars-dataset

Pohang

• 描述: 浦项运河多模态海上数据集，用于受限水域自主导航
• 发表: International Journal of Robotics Research
• 年份: 2023
• 论文: https://doi.org/10.1177/02783649231191145
• 数据: https://sites.google.com/view/pohang-canal-dataset/download

SMD-Plus

• 描述: 基于YOLO-V5的改进海上数据集的目标检测与分类
• 发表: Journal of Marine Science and Engineering
• 年份: 2022
• 论文: https://www.mdpi.com/2077-1312/10/3/377
• 数据: https://github.com/kjunhwa/SMD-Plus

MID

• 描述: 无人水面船舶的高效障碍物检测数据集
• 发表: Journal of Field Robotics
• 年份: 2021
• 论文: https://doi.org/10.1002/rob.21983
• 数据: https://pan.baidu.com/s/1bXU0dO6eYwcdG36f0zC5BA (密码：f276)

MODS

• 描述: 面向USV的目标检测与障碍物分割基准
• 发表: IEEE Transactions on Intelligent Transportation Systems
• 年份: 2021
• 论文: https://ieeexplore.ieee.org/document/9605202
• 数据: https://vision.fe.uni-lj.si/public/mods/

MaSTr1325

• 描述: 用于训练深度USV障碍物检测模型的数据集
• 发表: IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
• 年份: 2019
• 论文: https://ieeexplore.ieee.org/abstract/document/8967909
• 数据: https://vicos.si/resources/mastr1325/

SMD

• 描述: 海上环境中目标检测与跟踪的视频处理数据集
• 发表: IEEE Transactions on Intelligent Transportation Systems
• 年份: 2017
• 论文: https://doi.org/10.1109/TITS.2016.2634580
• 数据: https://sites.google.com/site/dilipprasad/home/singapore-maritime-dataset

MarDCT

• 描述: ARGOS-Venice船只分类数据集
• 发表: 12th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS)
• 年份: 2015
• 论文: https://doi.org/10.1109/AVSS.2015.7301727
• 数据: https://labrococo.diag.uniroma1.it/MAR/

MODD

• 描述: 无人水面船舶的快速图像障碍物检测数据集
• 发表: IEEE Transactions on Cybernetics
• 年份: 2015
• 论文: https://ieeexplore.ieee.org/document/7073635
• 数据: https://vicos.si/resources/modd/

UAV 数据集

SynBASe

• 描述: 用于海上搜救行动中人体检测的合成数据集
• 发表: Engineering Applications of Artificial Intelligence
• 年份: 2025
• 论文: https://www.sciencedirect.com/science/article/pii/S0952197624017445
• 数据: https://www.dlsi.ua.es/~jgallego/datasets/synbase/

ShipDataset

• 描述: 基于机器视觉和无人机图像的多船速度测量数据集
• 发表: IEEE Transactions on Instrumentation and Measurement
• 年份: 2023
• 论文: https://ieeexplore.ieee.org/document/10115015
• 数据: https://github.com/NZII/ShipDataset

VHRShips

• 描述: 用于可扩展深度学习船舶检测应用的广泛基准数据集
• 发表: International Journal of Geo-Information
• 年份: 2022
• 论文: https://doi.org/10.3390/ijgi11080445
• 数据: https://github.com/radres333/VHRShips

MOBDrone

• 描述: 用于海上落水救援的无人机视频数据集
• 发表: International Conference on Image Analysis and Processing
• 年份: 2022
• 论文: https://link.springer.com/chapter/10.1007/978-3-031-06430-2_53
• 数据: https://aimh.isti.cnr.it/dataset/MOBDrone/

DGTA-SeaDronesSee

• 描述: 用于无人机目标检测的合成数据
• 发表: International Conference on Pattern Recognition
• 年份: 2022
• 论文: https://ieeexplore.ieee.org/document/9956710
• 数据: https://github.com/David0tt/DeepGTAV

SeaDronesSee

• 描述: 用于开放水域中人体检测的海上基准数据集
• 发表: Winter Conference on Applications of Computer Vision
• 年份: 2022
• 论文: https://openaccess.thecvf.com/content/WACV2022/html/Varga_SeaDronesSee_A_Maritime_Benchmark_for_Detecting_Humans_in_Open_Water_WACV_2022_paper.html?ref=https://githubhelp.com
• 数据: https://github.com/Ben93kie/SeaDronesSee

AFO

• 描述: 用于无人机水上救援和监视的浮动物体数据集
• 发表: Integrated Computer-Aided Engineering
• 年份: 2021
• 论文: https://journals.sagepub.com/doi/10.3233/ICA-210649
• 数据: https://www.kaggle.com/datasets/jangsienicajzkowy/afo-aerial-dataset-of-floating-objects/data?select=PART_2

Victims on Ocean

• 描述: 用于海上搜索和救援的无人机数据集
• 发表: International Conference on Communications and Electronics
• 年份: 2021
• 论文: https://ieeexplore.ieee.org/abstract/document/9352109
• 数据: https://github.com/winter2897/Search-and-Rescue-SAR-at-sea-with-UAV/tree/master?tab=readme-ov-file

TinyPerson

• 描述: 用于微小人体检测的尺度匹配数据集
• 发表: Winter Conference on Applications of Computer Vision
• 年份: 2020
• 论文: https://openaccess.thecvf.com/content_WACV_2020/html/Yu_Scale_Match_for_Tiny_Person_Detection_WACV_2020_paper.html
• 数据: https://github.com/ucas-vg/PointTinyBenchmark

Seagull

• 描述: 空中海上监视环境数据集
• 发表: IEEE Transactions on Circuits and Systems for Video Technology
• 年份: 2017
• 论文: https://ieeexplore.ieee.org/document/8115215
• 数据: https://vislab.isr.tecnico.ulisboa.pt/seagull-dataset/

Shore 数据集

FVessel

• 描述: 用于内河航道船舶交通监视的多模态海上数据融合数据集
• 发表: IEEE Transactions on Intelligent Transportation Systems
• 年份: 2023
• 论文: https://ieeexplore.ieee.org/abstract/document/10159572
• 数据: https://github.com/gy65896/FVessel

ABOShips

• 描述: 近海和离岸船舶检测数据集，具有精确标注
• 发表: Remote Sense
• 年份: 2021
• 论文: https://arxiv.org/abs/2102.05869
• 数据: https://zenodo.org/records/4736931

SeaShips

• 描述: 大规模精确标注的船舶检测数据集
• 发表: IEEE Transactions on Multimedia
• 年份: 2018
• 论文: https://ieeexplore.ieee.org/abstract/document/8438999
• 数据: https://github.com/jiaming-wang/SeaShips

Satellite 数据集

VHRShips

• 描述: 用于可扩展深度学习船舶检测应用的广泛基准数据集
• 发表: International Journal of Geo-Information
• 年份: 2022
• 论文: https://www.mdpi.com/2220-9964/11/8/445
• 数据: https://github.com/radres333/VHRShips

SSDD

• 描述: SAR船舶检测数据集(SSDD)
• 发表: Remote Sensing
• 年份: 2021
• 论文: https://www.mdpi.com/2072-4292/13/18/3690
• 数据: https://github.com/TianwenZhang0825/Official-SSDD

SRSDD

• 描述: 高分辨率SAR旋转船舶检测数据集
• 发表: Remote Sensing
• 年份: 2021
• 论文: https://www.mdpi.com/2072-4292/13/24/5104
• 数据: https://github.com/HeuristicLU/SRSDD-V1.0

S2-SHIPS

• 描述: Sentinel 2多光谱图像中的船舶检测数据集
• 发表: Remote Sensing
• 年份: 2021
• 论文: https://www.mdpi.com/2072-4292/13/21/4255
• 数据: https://drive.google.com/file/d/1zDgz6wr5kxikPR7o9nJ2IjMcaqwtiLLu/view

ShipRSImageNet

• 描述: 高分辨率光学遥感图像中的大规模细粒度船舶检测数据集
• 发表: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
• 年份: 2021
• 论文: https://ieeexplore.ieee.org/document/9512396
• 数据: https://drive.google.com/file/d/1wApkaSoa9mXRfXQiq6lTtlVrv4cSc6vv/view

FGSCR-42

• 描述: 光学遥感图像中的细粒度船舶分类公共数据集
• 发表: Remote Sensing
• 年份: 2021
• 论文: https://www.mdpi.com/2072-4292/13/4/747
• 数据: https://pan.baidu.com/s/1eXplDfB5fCBPm7WMcFKZkg (密码：9xx8)

DOSR

• 描述: 光学遥感图像中复杂场景下定向船舶的细粒度识别数据集
• 发表: IEEE Transactions on Geoscience and Remote Sensing
• 年份: 2021
• 论文: https://doi.org/10.1109/TGRS.2021.3123666
• 数据: https://github.com/yaqihan-9898/DOSR

HRSID

• 描述: 高分辨率SAR图像船舶检测和实例分割数据集
• 发表: IEEE Access
• 年份: 2020
• 论文: https://github.com/chaozhong2010/HRSID
• 数据: https://www.kaggle.com/datasets/guofeng/hrsc2016

MASATI-v2

• 描述: 光学航空图像中自动船舶分类数据集
• 发表: Remote Sensing
• 年份: 2018
• 论文: https://www.mdpi.com/2072-4292/10/4/511
• 数据: https://www.iuii.ua.es/datasets/masati/

HRSC2016

• 描述: 光学遥感图像中的多尺度船舶检测框架和新基准数据集
• 发表: Remote Sensing
• 年份: 2016
• 论文: https://www.mdpi.com/2072-4292/14/21/5460
• 数据: https://www.kaggle.com/datasets/guofeng/hrsc2016

Comprehensive 数据集

MID

• 描述: 多尺度密集船舶遮挡和交互场景的综合岸基数据集
• 发表: arXiv
• 年份: 2024
• 论文: https://arxiv.org/abs/2412.05871
• 数据: https://github.com/aluckyi/MID

WSODD

• 描述: 水面物体检测的基准数据集和新型物体检测器
• 发表: Frontiers in Neurorobotics
• 年份: 2021
• 论文: https://www.frontiersin.org/journals/neurorobotics/articles/10.3389/fnbot.2021.723336/full
• 数据: https://github.com/sunjiaen/WSODD

McShips

• 描述: 野外大规模船舶检测和细粒度分类数据集
• 发表: International Conference on Multimedia and Expo
• 年份: 2020
• 论文: https://ieeexplore.ieee.org/abstract/document/9102907
• 数据: https://github.com/ZhengYitong2333/Mcships

SMD

• 描述: 海上环境中目标检测与跟踪的视频处理数据集
• 发表: IEEE Transactions on Intelligent Transportation Systems
• 年份: 2019
• 论文: https://ieeexplore.ieee.org/abstract/document/7812788
• 数据: https://sites.google.com/site/dilipprasad/home/singapore-maritime-dataset

搜集汇总

数据集介绍

构建方式

Awesome-Maritime-Visual-Dataset的构建汇集了多个子数据集，涵盖了无人水面艇（USV）、无人机（UAV）、岸基和卫星视角下的海事视觉数据。这些数据主要通过多模态传感器采集，包括雷达、摄像头和光学遥感设备，并在真实海事环境中进行实地采集和标注。部分数据集还采用了合成数据技术，以补充真实数据的不足。每个子数据集都经过严格的学术审核，并发表在顶级会议和期刊上，确保了数据的可靠性和科学性。

特点

该数据集的特点在于其多样性和全面性，覆盖了海事视觉领域的多个应用场景，如目标检测、障碍物分割、船只分类等。数据集中包含了不同尺度、不同光照条件和不同天气条件下的海事图像和视频，具有丰富的标注信息，如边界框、语义分割掩码和实例分割标注。此外，部分数据集还提供了多传感器融合数据，如雷达与摄像头的同步数据，为多模态研究提供了便利。

使用方法

使用Awesome-Maritime-Visual-Dataset时，用户可以根据具体任务选择合适的子数据集。例如，无人水面艇相关研究可以优先选择USVTrack或PoLaRIS，而无人机相关任务则可参考SeaDronesSee或MOBDrone。每个子数据集通常提供了详细的数据下载链接和标注格式说明，用户需按照提供的README文件进行数据加载和预处理。此外，部分数据集还提供了基准模型和评估代码，方便用户快速验证算法性能。

背景与挑战

背景概述

Awesome-Maritime-Visual-Dataset是一个综合性的海事视觉数据集，涵盖了无人水面车辆（USV）、无人机（UAV）、岸基和卫星等多个视角的海事数据。该数据集由多个子数据集组成，最早的子数据集可追溯至2015年，最新的子数据集则发布于2025年。这些数据集由多个研究机构和学者共同构建，如IEEE、ICCV等顶级会议和期刊的论文作者。其核心研究问题聚焦于海事环境中的目标检测、跟踪、分类以及自主导航等任务，为海事视觉研究提供了丰富的数据支持，显著推动了相关领域的发展。

当前挑战

该数据集面临的挑战主要体现在两个方面。首先，海事环境的复杂性和多变性为目标检测和跟踪带来了巨大挑战，如波浪、光照变化、目标遮挡等问题。其次，数据集的构建过程中也遇到了诸多困难，包括多模态数据（如雷达与摄像头数据）的同步与融合、大规模数据的标注与验证、以及不同场景（如内河与开放水域）的数据多样性保证。这些挑战需要通过技术创新和跨领域合作来解决，以进一步提升数据集的实用性和影响力。

常用场景

经典使用场景

在海洋视觉研究领域，Awesome-Maritime-Visual-Dataset为无人水面车辆（USV）、无人机（UAV）及卫星遥感提供了丰富的多模态数据资源。该数据集最经典的使用场景是支持复杂水域环境下的目标检测与跟踪任务，例如通过雷达-摄像头融合技术实现内河航道中的自主导航。其多传感器同步采集的4D数据流，为动态障碍物识别与轨迹预测提供了真实世界的验证平台。

解决学术问题

该数据集有效解决了海事视觉中三大核心学术问题：跨模态数据融合的算法验证、小目标检测的精度提升以及极端天气条件下的鲁棒性研究。通过提供精确标注的船舶、漂浮物等多类目标实例，显著推进了基于深度学习的海事目标检测理论发展，其中PoLaRIS等子集针对狭窄航道场景设计的标注体系，成为评估遮挡处理的基准标准。

衍生相关工作

该数据集催生了多个里程碑式的研究成果，包括获得ICCV 2023最佳论文提名的LaRS全景分割框架，以及基于MVDD13开发的轻量化YOLO-Marine检测网络。USVTrack子集衍生的多目标跟踪算法MOT-MAR已成为IEEE TITS期刊的基准对比方案，其创新性的雷达-视觉关联方法被引次数突破200次。