海洋生物多样性保护与水下生态环境监测是当前海洋科学领域的核心课题，精准高效的物种识别对渔业资源管理、濒危物种保护及水下智能机器人开发具有关键意义。随着深度学习在计算机视觉领域的深度渗透，高质量标注数据集已成为水下目标检测模型落地的核心基石。本文将分享一份包含638张图像的海洋生物目标检测数据集，适用于各类水下视觉算法的研发与性能验证。
该数据集聚焦典型海洋及极地水域物种，精准覆盖深海、浅滩及极地海域中的 7 类典型生物： 鱼类（fish）、水母（jellyfish）、企鹅（penguin）、海鹦（puffin）、鲨鱼（shark）、海星（starfish）、魔鬼鱼（stingray）。通过水下高清摄像机、潜水员手持设备及极地科考无人机在珊瑚礁、深海探测及极地海岸等关键场景实地采集，并经多轮人工筛选与标注校验，最终收录638张有效图像。数据涵盖不同水质透明度、光照衰减条件及复杂的水下背景干扰，场景多样性强，完全贴合真实的海洋科考与水下探测环境。
部分数据集展示如下：
数据集有七类标签，分别为 鱼类（fish）、水母（jellyfish）、企鹅（penguin）、海鹦（puffin）、鲨鱼（shark）、海星（starfish）、魔鬼鱼（stingray）。
需要处理后的数据集可V🔍：笑脸惹桃花 获取。