高分辨率水下图像显著性目标检测训练数据集

本数据集包含9641条样本，整体大小26.6GB，专门用于机器学习模型训练。每个样本包括：
• RGB文件夹：存储高分辨率水下彩色图像（格式JPG），分辨率通常为1920x1080或更高，捕捉真实水下场景。
• masks文件夹：存储对应的二值掩码图像（格式PNG），用于标注显著性目标的精确区域（白色表示目标，黑色表示背景）。
• json文件夹：存储JSON文件，包含元数据和标注信息。
• labels文件夹：存储文本标签文件（格式TXT），适用于YOLO等目标检测框架，包含类别编号和归一化坐标。
数据集旨在支持水下图像显著性检测算法的开发，提升模型在复杂水下环境中的性能。

搜集汇总

背景与挑战

背景概述

该数据集是一个高分辨率水下图像显著性目标检测训练数据集，包含9641条样本、总大小26.6GB，专门用于机器学习模型训练，支持水下环境中的目标检测应用。数据集提供彩色图像、二值掩码、JSON元数据和文本标签，旨在解决水下图像低对比度、光线散射等挑战，提升检测算法的准确性和鲁棒性，适用于海洋探索、水下机器人导航等多个领域。