Multiple Fish Tracking Dataset 2025 (MFT25)

MFT25数据集是由中国农业大学和新加坡国立大学合作创建的，旨在为水下多鱼跟踪提供第一个全面的数据集。该数据集包含15个多样化的视频序列，跨越48,066帧，有408,578个精心标注的边界框。数据集捕捉了各种水下环境、鱼类物种和具有挑战性的条件，包括遮挡、外观相似和运动模式不规则等。数据集的创建过程使用Canon EOSR6和Sony α7M3成像设备，在不同的水产养殖环境中录制。MFT25数据集在水生生物、水产养殖监测和生态保护等领域具有重要的应用价值。The MFT25 dataset was collaboratively developed by China Agricultural University and the National University of Singapore, serving as the first comprehensive dataset for underwater multi-fish tracking. This dataset comprises 15 diverse video sequences, totaling 48,066 frames and containing 408,578 meticulously annotated bounding boxes. It captures a wide spectrum of underwater environments, fish species, and challenging scenarios including occlusion, visually similar appearances, irregular motion patterns, and others. The dataset was recorded across various aquaculture environments using Canon EOS R6 and Sony α7M3 imaging devices during its construction. The MFT25 dataset holds significant application value in fields such as aquatic biology, aquaculture monitoring, and ecological conservation.

原始信息汇总

数据集概述：MFT25 (Multiple Fish Tracking Dataset 2025)

数据集基本信息

• 名称: Multiple Fish Tracking Dataset 2025 (MFT25)
• 领域: 水下多鱼跟踪
• 数据规模:
  • 15个多样化视频序列
  • 408,578个标注边界框
  • 48,066帧图像
• 数据来源: 实际养殖场采集和实验室场景采集

数据集特点

• 首个专为水下多鱼跟踪设计的综合数据集
• 包含多种鱼类物种
• 适用于多目标跟踪(MOT)基准测试

配套框架(SU-T)

• 核心算法:
  • 无迹卡尔曼滤波(UKF)
  • 鱼类交并比(FishIoU)
• 优化特性:
  • 针对非线性鱼类游动优化
  • 专为水生生物设计
  • 当前最先进性能

性能指标

• HOTA: 34.1
• IDF1: 44.6

下载资源

• 数据集下载:
  • 包含15个视频序列、标注文件、README和文档
  • 百度网盘下载(密码: wrbg)
• 预训练模型下载:
  • 包含SU-T基础模型、带ReID模块的SU-T、模型检查点
  • 百度网盘下载(密码: 9uqc)

性能对比

方法	类别	年份	HOTA↑	IDF1↑
SU-T (Ours)	SDE	2025	33.351	41.717
SU-T† (Ours)	SDE	2025	34.067	44.643

联系方式

• [e-mail]
• [e-mail]

搜集汇总

数据集介绍

构建方式

MFT25数据集通过专业成像设备在多样化水产养殖环境中采集，涵盖工业循环水养殖池与实验室控制水箱场景，确保环境多样性。数据采集采用多视角相机配置，覆盖不同光照条件，包含多种鱼类物种及其不同发育阶段的外观特征。所有标注均通过DarkLabel软件进行人工选择与验证，最终形成包含15个视频序列、48,066帧图像和408,578个精确标注边界框的大规模数据集。

特点

MFT25数据集作为首个专为水下多目标鱼类追踪设计的综合性基准，其显著特点体现在三个方面：规模上超越现有鱼类追踪数据集2.6-9.1倍的标注实例量；内容上覆盖遮挡、快速转向和视觉相似性等复杂水下挑战场景；质量上采用严格人工验证流程确保标注精度。数据集特别捕捉了鱼类特有的非线性游动模式与形态特征，为水下追踪研究提供了前所未有的真实场景数据支撑。

使用方法

该数据集支持端到端的水下多目标追踪算法开发与评估，研究者可通过官方发布的基准框架SU-T进行性能比对。使用流程包括：加载预处理后的视频序列，应用检测器获取边界框，通过FishIoU度量计算匹配代价，最终采用匈牙利算法完成轨迹关联。数据集特别适用于验证算法在鱼类形态特异性、非线性运动预测等方面的性能，为海洋生物学研究和水产养殖监测提供量化分析基础。

背景与挑战

背景概述

Multiple Fish Tracking Dataset 2025 (MFT25)是由中国农业大学和新加坡国立大学的研究团队于2025年推出的首个专为水下多鱼跟踪设计的综合性数据集。该数据集包含15个不同场景的视频序列，共计48,066帧图像和408,578个精确标注的边界框，涵盖了多种水下环境、鱼类物种及具有挑战性的条件，如遮挡、相似外观和异常运动模式。MFT25的推出填补了水下多目标跟踪领域的数据空白，为海洋生态学、水产养殖监测和生态保护等应用提供了重要的研究基础。

当前挑战

MFT25数据集在解决水下多鱼跟踪问题时面临多重挑战。首先，水下环境的复杂性，如光线变化、水体浑浊度以及鱼类独特的运动模式，使得传统的多目标跟踪方法难以直接应用。其次，鱼类之间的高度形态相似性和频繁的交叉运动导致身份切换和轨迹断裂问题。在数据集构建过程中，研究人员还需克服水下视频采集的技术难题，包括低能见度条件下的高质量图像获取，以及大规模鱼类运动数据的精确标注。这些挑战促使研究者开发了专门的运动模型和匹配算法，如基于无迹卡尔曼滤波的跟踪框架和针对鱼类形态特征的FishIoU匹配度量。

常用场景

经典使用场景

在水产养殖和海洋生态研究中，Multiple Fish Tracking Dataset 2025 (MFT25) 数据集被广泛用于多鱼体跟踪算法的开发和评估。其丰富的视频序列和精确标注的边界框为研究人员提供了研究鱼类群体行为和个体运动模式的理想平台。特别是在复杂水下环境中，该数据集能够有效模拟光线变化、遮挡和鱼类相似外观等挑战性场景，为算法鲁棒性测试提供了重要依据。

衍生相关工作

基于MFT25数据集，研究者们发展了一系列创新工作。Scale-aware and Unscented Tracker (SU-T)框架作为基准模型，启发了后续针对水下场景的跟踪算法改进。该数据集还促进了跨模态跟踪方法的研究，结合声学与视觉数据提升跟踪性能。在应用层面，衍生出基于深度学习的鱼类行为分析系统和智能养殖决策平台，推动了水产养殖业的数字化转型。

数据集最近研究

最新研究方向

水下多鱼体追踪技术作为海洋生态研究与智能水产养殖的核心工具，近年来在计算机视觉领域引发广泛关注。MFT25数据集的推出填补了水下复杂场景标准化数据资源的空白，其最新研究方向聚焦于非线性运动建模与形态适配算法创新。针对鱼类特有的非规律游动模式，研究者通过无迹卡尔曼滤波(UKF)构建运动预测模型，并结合鱼类形态学特征开发的FishIoU匹配度量，有效解决了相似外观个体间的身份维持难题。该领域前沿探索还涉及水下光学畸变补偿、群体密集交互分析等方向，相关成果在濒危物种保护、养殖密度优化等实际场景展现出重要应用价值。

相关研究论文

• When Trackers Date Fish: A Benchmark and Framework for Underwater Multiple Fish Tracking

  中国农业大学, 新加坡国立大学 · 2025年