Optimized Custom Dataset for Efficient Detection of Underwater Trash

要約

水中に沈んだ水中廃棄物を正確に定量して除去することは、海洋生物の保護と環境の保全において重要な役割を果たします。
浮遊ゴミや表面ゴミの検出は比較的簡単ですが、水没廃棄物の定量化には、光の屈折、吸収、浮遊粒子、色の歪みなどの要因により、大きな課題が生じます。
この論文では、カスタム データセットの開発と、水没した海洋ゴミの効率的な検出アプローチを提案することで、これらの課題に対処します。
このデータセットには多様な水中環境が含まれており、デブリ実体を正確にラベル付けするための注釈が組み込まれています。
最終的に、このカスタム データセットの主な目的は、最先端の深層学習アーキテクチャを活用することで、ゴミ実例の多様性を高め、深い水没環境での検出精​​度を向上させることです。

要約(オリジナル)

Accurately quantifying and removing submerged underwater waste plays a crucial role in safeguarding marine life and preserving the environment. While detecting floating and surface debris is relatively straightforward, quantifying submerged waste presents significant challenges due to factors like light refraction, absorption, suspended particles, and color distortion. This paper addresses these challenges by proposing the development of a custom dataset and an efficient detection approach for submerged marine debris. The dataset encompasses diverse underwater environments and incorporates annotations for precise labeling of debris instances. Ultimately, the primary objective of this custom dataset is to enhance the diversity of litter instances and improve their detection accuracy in deep submerged environments by leveraging state-of-the-art deep learning architectures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google