河海目标检测标注分析

河海目标检测标注分析

水下目标检测算法-​数据标注

数据集中鱼的个数较多，且难以标注，人工标注困难，因此采用半自动方法进行数据标注。首先将数据集分为人工标注和半自动标注两部分，其中人工标注部分由易标注的 500 张图像组成，使用 Labelimg 工具对这些图像进行人工标注，为每个目标分配一个外接矩形框作为位置信息，并添加种类信息，标注格式为 voc 格式，存储格式为.xml格式。为减少标注成本，首先使用 YOLOv5 学习鱼类信息，将人工标记的图像作为训练集，对 YOLOv5 进行训练，得到标签创建模型，实现标签的自动生成。通过训练好的模型对剩余图像进行预测，将鱼类结果作为预标注信息，保存在.xml 文件中。使用 YOLOv5 模型学习人工标注的鱼类图像，得到检测鱼的标注模型，使用标注模型对半自动标注图像进行预测，将预测到的鱼类结果当成标签，存入.xml 文件中。由于用于训练预标注模型的训练数据集较小，且数据集中目标的模糊、遮挡程度与预标注数据有差异，导致模型鲁棒性较差，不能完全准确标注目标，部分鱼类目标没有被正确标注，需要通过人工校核的方式对自动标注的结果进行完善，完成整个数据集的标注。通过实验发现，预标注模型能准确标注其中 70%的红鳍东方鲀目标，剩余 30%的目标需要通过人工标注，半自动标注操作结果如下图所示。相比纯人工标注，半自动标注节省了大量时间，且数据量越大，节省时间越多。

 水下目标检测算法红鳍东方数据集采集

红鳍东方鲀肉质鲜美、营养丰富，是一种高密度养殖的经济鱼类。为准确掌握红鳍东方鲀的生长状况、实现精准投喂、提高养殖效益，需要实现对养殖红鳍东方鲀目标的精准检测。为了满足精准检测需求，需要根据真实养殖环境建立数据集进行模型训练。构建一个养殖红鳍东方鲀数据集(TRDS)，从拍摄于真实养殖车间的红旗东方鲀视频中提取图像数据。养殖池配备了 200 万像素的水上和水下摄像机，以获取视频数据，然后通过监控设备收集和上传。水面摄影机设置在水面 1.5 米以上，以准确测定鱼类分布。水下摄像机被固定在池塘的内壁上，作为另一个拍摄视角，以识别鱼类的特征。低密度和高密度鱼塘的鱼类视频均采用水上摄像机拍摄，获得不同密度的数据，保持了数据集的多样性。数据采集平台结构如下图所示。每隔 500 ms 从捕获的视频中提取帧，得到 2000 张分辨率为 1920 × 1080 的图像，保存为 JPG 文件。将图像按 9:1 的比例随机分为训练集和测试集，训练集包含 1800 张图像，测试集包含 200 张图像。 

 

 

参考文献链接

https://mp.weixin.qq.com/s/s5kEBiTHa9wqzGMyjD3DAw

https://mp.weixin.qq.com/s/u2D66dMjlOEhPRugGJPrGg