Moroccan Maritime Dataset (MMD)

Moroccan Maritime Dataset (MMD)是由阿卜杜勒马利克埃萨迪大学的研究团队创建的一个新的海事视频处理数据集。该数据集包含18个高分辨率视频片段，总计超过6000帧，这些视频是在摩洛哥的地中海沿岸从表面车辆上捕获的。MMD数据集通过提供多种新的海事场景，增强了现有的最大视频数据集SMD。数据集中的视频经过精心标注，以提供海平线的精确位置和倾斜度，这些标注数据以.npy和.mat文件格式共享，适用于Python和Matlab用户。MMD数据集特别适用于评估和开发在各种海事条件下检测海平线的新算法，旨在解决海事视频处理中的关键问题，如视频稳定、目标区域减少、精确跟踪和障碍物避免。

Moroccan Maritime Dataset (MMD) is a novel maritime video processing dataset developed by a research team from Abdelmalek Essaâdi University. This dataset includes 18 high-resolution video clips totaling over 6000 frames, which were acquired from surface vessels along the Mediterranean coast of Morocco. The MMD dataset enriches the existing largest-scale video dataset SMD by offering diverse new maritime scenarios. The videos within the dataset are meticulously annotated to provide accurate positions and inclinations of the sea horizon; the annotation data are distributed in .npy and .mat file formats, catering to users of Python and Matlab. The MMD dataset is specifically designed for evaluating and developing novel sea horizon detection algorithms under various maritime conditions, with the aim of addressing critical challenges in maritime video processing, including video stabilization, region-of-interest reduction, precise target tracking, and obstacle avoidance.

搜集汇总

数据集介绍

构建方式

在海洋视频处理领域，高质量标注数据集的构建对于算法评估与性能提升至关重要。摩洛哥海事数据集（MMD）的构建过程体现了严谨的学术规范与工程实践。研究团队在摩洛哥丹吉尔市附近的地中海海域，利用部署于水面船只上的传感器，采集了18段高分辨率可见光视频，总计超过6000帧RGB图像。为确保标注的精确性，团队专门开发了基于Python与Tkinter的定制化标注软件，对每帧图像中的海天线位置与倾斜角进行人工精细化标注，并逐帧验证。标注结果以.npy和.mat格式发布，兼顾了Python与Matlab用户的使用需求，旨在为海事视觉研究提供一套标准化的基准数据。

特点

该数据集在场景多样性与挑战性方面具有显著特点。相较于现有的新加坡海事数据集（SMD），MMD引入了九种全新的海事场景条件，包括成组的太阳耀斑、平滑海面、线性边缘云层、纹理化阴天、可见太阳、弱边缘海天线以及海岸线场景等。这些条件模拟了真实海洋环境中算法可能失效的边缘情况，例如低对比度海天线、复杂海岸边界以及强烈光照变化。数据集全部为1920×1080分辨率、30帧率的RGB视频，涵盖了日出日落、白天等多种时间段的影像，能够全面检验算法在不同光照、纹理及语义类别下的鲁棒性与泛化能力。

使用方法

该数据集主要服务于海事计算机视觉算法的开发、评估与比较研究。使用者可加载提供的视频序列与对应的标注文件，以海天线的位置误差与角度误差作为核心评估指标，定量分析目标检测、跟踪或视频稳定等算法中地平线检测模块的性能。数据集特别适用于测试算法在弱边缘、海岸线混杂及强噪声干扰等挑战性条件下的表现。研究者亦可利用其丰富的场景条件进行算法消融实验，或作为训练数据用于基于学习的海天线检测模型。通过与该数据集及SMD的联合使用，能够更全面地评估算法在近岸与离岸不同平台条件下的实际效能。

背景与挑战

背景概述

摩洛哥海事数据集（MMD），亦称丹吉尔海事数据集（TMD），由阿卜杜勒马利克·埃萨迪大学丹吉尔科技学院的研究团队于2024年构建并公开发布。该数据集旨在应对海事视频处理中关键的海天线检测问题，为自主导航、目标跟踪和视频稳定等任务提供基准数据。研究团队针对现有新加坡海事数据集（SMD）的局限性，通过搭载于水面舰艇的传感器，在地中海丹吉尔海域采集了18段高分辨率可见光视频，共计超过6000帧图像，并进行了精确的海天线人工标注。该数据集不仅丰富了海事场景的多样性，引入了弱边缘海天线、海岸边界、线性云层等新挑战性条件，而且通过公开共享，显著推动了海事计算机视觉算法的鲁棒性与泛化能力评估。

当前挑战

海天线检测任务面临的核心挑战在于复杂动态海洋环境下对弱边缘或低对比度海天线的准确提取。海洋表面常存在波浪、太阳耀斑、船舶尾迹等强噪声干扰，这些噪声在RGB图像中呈现高纹理特性，极易掩盖真实的海天线边缘。同时，光照变化、海岸线遮挡、云层干扰以及船舶运动导致的图像抖动，进一步增加了检测难度。在数据集构建层面，挑战主要体现为海事场景的全面覆盖与高质量标注。需要采集涵盖不同时间、天气、海况及地理特征的视频数据，并确保海天线标注在位置与倾角上的亚像素级精度。此外，如何有效融合时序信息以提升检测稳定性，以及设计兼顾高鲁棒性与低计算复杂度的实时算法，亦是该领域持续面临的关键挑战。

常用场景

经典使用场景

在海洋视频监控与自主导航领域，摩洛哥海事数据集（MMD）为海天线检测算法的性能评估提供了关键基准。该数据集包含18段高分辨率可见光视频，总计超过6000帧，涵盖了地中海海域的多样化场景，如平滑海面、弱边缘海天线、海岸边界以及日出日落等复杂光照条件。研究者通常利用该数据集验证算法在抑制海杂波的同时保留微弱海天边缘的能力，其精细标注的海天线位置与倾斜角参数为定量分析奠定了坚实基础。

解决学术问题

该数据集有效解决了海天线检测研究中数据稀缺与场景单一的核心问题。传统数据集往往缺乏低对比度海天线、海岸分离边界及复杂气象条件下的样本，导致算法泛化能力不足。MMD通过引入弱边缘海天线、线性云层边缘、可见太阳及海岸场景等九类新加坡海事数据集未涵盖的条件，填补了研究空白。其标注数据支持位置误差与角度误差的精确计算，推动了鲁棒性滤波技术与时序信息融合方法的发展，提升了算法在真实海事环境中的可靠性。

衍生相关工作

基于该数据集衍生的经典研究主要集中于滤波算法优化与多模态学习框架。例如，研究者借鉴其弱边缘保留特性，开发了基于线段梯度稳定性的长度-斜率滤波器与兴趣区域滤波器，显著提升了海杂波抑制效果。同时，该数据集促进了时序异常处理模块的发展，通过整合历史帧信息避免离群检测。后续工作进一步探索了卷积神经网络与滤波器的融合架构，利用数据集提供的丰富边缘样本训练分类模型，实现了噪声线段与海天线段的精准区分，推动了实时海事视觉系统的演进。