ARG-NCTU/Boat_dataset_2024

---
viewer: false
---

# Boat Dataset for Object Detection

## Overview
This dataset contains images of real & virtual boats for object detection tasks. It can be used to train and evaluate object detection models.

## Dataset Structure

### Data Instances

A data point comprises an image and its object annotations.

```

```

### Data Fields

- `image_id`: the image id
- `width`: the image width
- `height`: the image height
- `objects`: a dictionary containing bounding box metadata for the objects present on the image
- `id`: the annotation id
- `area`: the area of the bounding box
- `bbox`: the object's bounding box (in the [coco](https://albumentations.ai/docs/getting_started/bounding_boxes_augmentation/#coco) format)
- `category`: the object's category, with possible values including
- `BallonBoat` (0)
- `BigBoat` (1)
- `Boat` (2)
- `JetSki` (3)
- `Katamaran` (4)
- `SailBoat` (5)
- `SmallBoat` (6)
- `SpeedBoat` (7)
- `WAM_V` (8)

### Data Splits

- `Training dataset` (42833)
- `Real`
- `WAM_V` (2333)
- `Virtual`
- `BallonBoat` (4500)
- `BigBoat` (4500)
- `Boat` (4500)
- `JetSki` (4500)
- `Katamaran` (4500)
- `SailBoat` (4500)
- `SmallBoat` (4500)
- `SpeedBoat` (4500)
- `WAM_V` (4500)

- `Val dataset` (5400)
- `Real`
- `WAM_V` (900)
- `Virtual`
- `BallonBoat` (500)
- `BigBoat` (500)
- `Boat` (500)
- `JetSki` (500)
- `Katamaran` (500)
- `SailBoat` (500)
- `SmallBoat` (500)
- `SpeedBoat` (500)
- `WAM_V` (500)

## Usage
```
from datasets import load_dataset
dataset = load_dataset("zhuchi76/Boat_dataset")
```

## Citation
If you use this dataset in your research, please cite the following paper:

查看器：禁用

# 用于目标检测的船舶数据集

## 数据集概述
本数据集包含适用于目标检测任务的真实与虚拟船舶图像，可用于训练与评估各类目标检测模型。

## 数据集结构

### 数据实例
每个数据点由一幅图像及其对应的目标标注组成。

### 数据字段
- `image_id`：图像唯一标识符
- `width`：图像宽度
- `height`：图像高度
- `objects`：存储图像中目标边界框元数据的字典
- `id`：标注唯一标识符
- `area`：边界框的面积
- `bbox`：目标边界框，采用COCO（Common Objects in Context，通用物体检测基准）格式，格式说明详见：https://albumentations.ai/docs/getting_started/bounding_boxes_augmentation/#coco
- `category`：目标类别，可选取值包括：
- `BallonBoat`（0）：气球船
- `BigBoat`（1）：大型船舶
- `Boat`（2）：通用船舶
- `JetSki`（3）：水上摩托
- `Katamaran`（4）：双体船
- `SailBoat`（5）：帆船
- `SmallBoat`（6）：小型船舶
- `SpeedBoat`（7）：快艇
- `WAM_V`（8）：WAM_V

### 数据划分
- 训练集（共42833条样本）
- 真实场景子集：
- WAM_V：2333条
- 虚拟场景子集：
- 气球船（BallonBoat）：4500条
- 大型船舶（BigBoat）：4500条
- 通用船舶（Boat）：4500条
- 水上摩托（JetSki）：4500条
- 双体船（Katamaran）：4500条
- 帆船（SailBoat）：4500条
- 小型船舶（SmallBoat）：4500条
- 快艇（SpeedBoat）：4500条
- WAM_V：4500条
- 验证集（共5400条样本）
- 真实场景子集：
- WAM_V：900条
- 虚拟场景子集：
- 气球船（BallonBoat）：500条
- 大型船舶（BigBoat）：500条
- 通用船舶（Boat）：500条
- 水上摩托（JetSki）：500条
- 双体船（Katamaran）：500条
- 帆船（SailBoat）：500条
- 小型船舶（SmallBoat）：500条
- 快艇（SpeedBoat）：500条
- WAM_V：500条

## 使用方法
python
from datasets import load_dataset
dataset = load_dataset("zhuchi76/Boat_dataset")

## 引用说明
若您在研究中使用本数据集，请引用如下论文：

原始信息汇总

Boat Dataset for Object Detection 概述

数据集结构

数据实例

每个数据点包括一张图像及其对象标注。

数据字段

• image_id: 图像ID
• width: 图像宽度
• height: 图像高度
• objects: 包含图像中对象边界框元数据的字典
  • id: 标注ID
  • area: 边界框面积
  • bbox: 对象的边界框（采用coco格式）
  • category: 对象类别，可能的值包括：
    • BallonBoat (0)
    • BigBoat (1)
    • Boat (2)
    • JetSki (3)
    • Katamaran (4)
    • SailBoat (5)
    • SmallBoat (6)
    • SpeedBoat (7)
    • WAM_V (8)

数据分割

• 训练数据集 (42833)

  • 真实
    • WAM_V (2333)
  • 虚拟
    • BallonBoat (4500)
    • BigBoat (4500)
    • Boat (4500)
    • JetSki (4500)
    • Katamaran (4500)
    • SailBoat (4500)
    • SmallBoat (4500)
    • SpeedBoat (4500)
    • WAM_V (4500)

• 验证数据集 (5400)

  • 真实
    • WAM_V (900)
  • 虚拟
    • BallonBoat (500)
    • BigBoat (500)
    • Boat (500)
    • JetSki (500)
    • Katamaran (500)
    • SailBoat (500)
    • SmallBoat (500)
    • SpeedBoat (500)
    • WAM_V (500)

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，目标检测任务对高质量标注数据的需求日益增长。ARG-NCTU/Boat_dataset_2024 数据集的构建采用了虚实结合的策略，通过整合真实场景采集的RGB图像与虚拟环境生成的RGB及热成像数据，形成了多元化的数据来源。其构建过程严格遵循结构化标注流程，每张图像均配有详细的边界框元数据，并采用COCO格式进行标准化处理，确保了标注的一致性与可复用性。数据划分上，该数据集以约8:2的比例分割为训练集与验证集，涵盖了超过11万张图像与50万个标注实例，为模型训练提供了充足的样本支持。

特点

该数据集在海洋目标检测领域展现出鲜明的特色。其核心优势在于融合了真实与虚拟、RGB与热成像的多模态数据，通过六种不同的数据组合后缀（如rtvrr、rvrr等）提供了灵活的数据子集选择。数据集定义了13类精细的船只类别，包括气球船、大型船只、喷气式滑水车、双体船、帆船等，覆盖了广泛的船舶类型。数据分布呈现出虚拟数据占主导、真实数据集中于特定类别的特点，这种构成有助于研究域适应与模型泛化能力。平均每张图像包含约4.5个标注，反映了真实场景中多目标并存的复杂性。

使用方法

为有效利用该数据集进行目标检测研究，用户可通过Hugging Face的datasets库便捷加载。加载时需预先定义与数据结构匹配的特征模式，明确指定image_id、image_path、图像尺寸及包含边界框与类别的objects字典等字段的数据类型。通过调用load_dataset函数并传入对应的JSONL文件路径，即可加载如rtvrr等特定数据组合的训练集与验证集。这种标准化加载方式不仅简化了数据预处理流程，还确保了与主流深度学习框架的兼容性，便于研究者快速构建和评估目标检测模型，推动海洋场景感知技术的进展。

背景与挑战

背景概述

ARG-NCTU/Boat_dataset_2024 数据集由国立阳明交通大学（NCTU）的研究团队于2024年构建，专注于海事环境中的目标检测任务。该数据集整合了真实与虚拟船只图像，涵盖13类船舶目标，包括帆船、游艇、集装箱船等，旨在推动计算机视觉在海洋监控、自动驾驶船舶等领域的应用。通过融合RGB与热成像模态，数据集为多光谱目标检测提供了丰富资源，其大规模标注数据（超过50万标注实例）显著提升了模型在复杂海况下的泛化能力，对海事安全与智能航运研究具有重要价值。

当前挑战

该数据集致力于解决海事目标检测中因环境多变、目标尺度差异及遮挡导致的识别精度不足问题。构建过程中，挑战主要体现在多源数据融合的复杂性：虚拟与真实图像间的域差异可能影响模型迁移效果；热成像与RGB数据的对齐需精确校准技术；此外，类别不平衡（如某些类别样本稀缺）及标注一致性维护也增加了数据集构建的难度，要求精细的标注策略与质量控制。

常用场景

经典使用场景

在海洋视觉感知领域，ARG-NCTU/Boat_dataset_2024数据集为对象检测任务提供了丰富的图像资源。该数据集整合了真实与虚拟船只图像，涵盖13类船舶目标，其经典应用场景在于训练和评估基于深度学习的对象检测模型，如YOLO、Faster R-CNN等。通过包含RGB与热成像模态数据，它支持模型在多源信息融合下的性能验证，尤其适用于复杂海况下小型船只的精准识别与定位研究。

衍生相关工作

围绕该数据集，学术界已衍生出多项经典研究工作。例如，基于其多模态特性开展的虚拟到真实域适应研究，显著提升了模型在真实海况的泛化能力；结合热成像与RGB数据的融合检测框架，也被广泛引用于跨传感器目标识别领域。这些工作不仅优化了船舶检测的精度与效率，也为合成数据在视觉任务中的有效性验证设立了重要基准。

数据集最近研究

最新研究方向

在海洋智能感知领域，ARG-NCTU/Boat_dataset_2024数据集凭借其融合真实与虚拟船只图像的多模态特性，正成为推动目标检测技术前沿探索的关键资源。该数据集涵盖RGB与热成像数据，为模型在复杂海况下的鲁棒性研究提供了丰富素材，尤其助力于跨模态学习与域自适应方法的创新。随着自动驾驶船舶与海上监控系统的快速发展，此类数据集在提升模型对多样化船只类别的识别精度、应对光照与天气变化挑战方面展现出深远影响，为海事安全与智能航运系统的实际部署奠定了坚实的数据基础。