Underwater Multiple Object Tracking Dataset|水下跟踪数据集|海参养殖数据集

这是一个用于水下环境中多目标跟踪的数据集，数据集中的唯一目标是海参。近年来，中国对海参的需求迅速增长，促进了海参养殖业的发展。农民需要了解海参的数量和分布，以便评估生长状况并决定合适的收获时间。传统的计数方法需要雇佣潜水员，成本高且潜水员不足。因此，开发了一种原位非接触式海参计数系统，该数据集为此目的而制作。数据集分为两部分，第一部分用于训练检测器，第二部分用于评估跟踪和计数性能。

This dataset is designed for multi-target tracking in underwater environments, with the sole target being sea cucumbers. In recent years, the demand for sea cucumbers in China has surged, driving the growth of the sea cucumber farming industry. Farmers need to understand the quantity and distribution of sea cucumbers to assess growth conditions and determine the appropriate harvest time. Traditional counting methods require hiring divers, which is costly and faces a shortage of divers. Therefore, an in-situ non-contact sea cucumber counting system has been developed, and this dataset was created for this purpose. The dataset is divided into two parts: the first part is used to train the detector, and the second part is used to evaluate tracking and counting performance.

原始信息汇总

数据集概述

数据集名称

• Underwater Multiple Object Tracking Dataset

数据集目的

• 用于水下多目标跟踪，特别是海参（Holothurian）的跟踪与计数。
• 旨在开发一种原位非接触式海参计数系统，以替代传统的人工潜水计数方法。

数据集组成

1. 训练集（Part 1）

   • 用于训练检测器。
   • 标注格式遵循VOC2007。

2. 评估集（Part 2）

   • 包含四个压缩文件，解压后得到四个文件夹：Raw, CLAHE, Fusion, UGAN-GP。
   • Raw文件夹包含未经水下增强的原始数据。
   • CLAHE, Fusion, UGAN-GP文件夹分别通过CLAHE, Fusion, UGAN-GP方法进行增强。

数据集结构

• 每个文件夹结构示例（以Raw为例）：

  ─Raw ├─2019-05-11_06.31.53 │ ├─det | | └─det.txt │ ├─gt | | └─gt.txt │ └─img1 | ├─1.jpg | ├─2.jpg | ... ├─2019-05-11_06.36.47 │ ├─det │ ├─gt │ └─img1 | ...

• det.txt 和 gt.txt 格式：

  • det.txt: <frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <confidence>, <x>, <y>, <z>
  • gt.txt: <frame>,<id>,<bb_left>,<bb_top>,<bb_w>,<bb_h>,<available>,<cls>,<visibility>

视频信息

• 视频命名格式：year-month-day_hour.minute.second.mp4

• 视频ID对照表：

  Video name	Video id in paper
  2019-05-11_06.31.53.mp4	Video1
  2019-05-11_06.36.47.mp4	Video2
  ...	...

下载信息

• 数据集可通过Baidu Netdisk下载，提取码：uk7x。

AI搜集汇总

数据集介绍

构建方式

在水下多目标跟踪数据集的构建过程中，研究团队专注于海参这一特定目标，旨在满足近年来中国海参养殖业快速发展的需求。数据集分为两部分：第一部分用于训练检测器，采用VOC2007格式进行标注；第二部分用于评估跟踪和计数性能，其格式与MOT16数据集保持一致。第二部分进一步细分为原始数据和通过CLAHE、Fusion及UGAN-GP技术增强的数据，以提供多样化的训练和测试环境。

特点

该数据集的显著特点在于其针对性强，专门针对海参这一目标进行标注，且数据集结构设计合理，分为训练和评估两部分，确保了模型的全面训练和有效验证。此外，数据集还包含了多种图像增强技术处理后的数据，这不仅增加了数据的多样性，也提高了模型在不同环境下的适应能力。

使用方法

使用该数据集时，用户首先需下载数据集，可通过百度网盘获取。下载后，用户应解压文件，并根据需求选择使用原始数据或增强数据进行训练或评估。数据集的标注文件det.txt和gt.txt分别提供了检测和跟踪的地面真实数据，用户可根据这些文件进行模型的训练和测试。此外，数据集中的视频文件按时间顺序命名，便于用户进行时间序列分析。

背景与挑战

背景概述

近年来，随着中国对海参需求的快速增长，海参养殖业得到了迅猛发展。为了评估海参的生长状态和确定最佳收获时间，养殖户需要了解海参的丰度和分布情况。然而，传统的计数方法依赖于潜水员进行人工计数，这不仅成本高昂，而且潜水员资源有限。因此，开发一种现场非接触式海参计数系统显得尤为重要。基于这一需求，研究人员创建了水下多目标跟踪数据集（Underwater Multiple Object Tracking Dataset），该数据集专门用于海参的检测与跟踪。数据集分为两部分：第一部分用于训练检测器，第二部分用于评估跟踪和计数性能。该数据集的创建旨在推动水下目标跟踪技术的发展，以解决海参养殖中的实际问题。

当前挑战

水下多目标跟踪数据集的构建面临多重挑战。首先，水下环境的复杂性，如光线变化、水流干扰和目标的低对比度，增加了目标检测和跟踪的难度。其次，数据集的标注工作需要高精度的标注，以确保检测和跟踪算法的准确性。此外，数据集的多样性也是一个挑战，需要涵盖不同光照条件、水下环境和海参的不同生长阶段。最后，数据集的扩展性和可维护性也是关键问题，随着技术的进步和新数据的需求，数据集需要不断更新和扩展，以保持其前沿性和实用性。

常用场景

经典使用场景

在水下多目标跟踪领域，Underwater Multiple Object Tracking Dataset 主要用于训练和评估水下海参的检测与跟踪算法。该数据集分为两部分：第一部分用于训练检测器，采用VOC2007格式标注；第二部分用于评估跟踪和计数性能，格式与MOT16数据集一致。通过这些数据，研究人员可以开发出高效的水下非接触式海参计数系统，从而解决传统人工计数的高成本和低效率问题。

解决学术问题

该数据集解决了水下环境中多目标跟踪的学术难题，特别是在海参养殖领域。传统的水下生物计数方法依赖于人工潜水员，成本高且效率低。通过提供高质量的标注数据，该数据集促进了自动化的水下目标检测与跟踪技术的研究，有助于开发出更精确和高效的非接触式计数系统，从而推动水产养殖业的智能化发展。

衍生相关工作

基于Underwater Multiple Object Tracking Dataset，研究人员已开发出多种水下目标检测与跟踪算法，并在相关领域发表了多篇学术论文。例如，利用该数据集训练的模型在2019年IEEE国际会议上提出的In Situ Holothurian Noncontact Counting System中得到了验证。此外，该数据集还激发了关于水下图像增强技术的研究，如CLAHE、Fusion和UGAN-GP等方法的应用，进一步提升了水下目标识别的准确性和鲁棒性。