智慧海上识别数据集 海上交通管理船舶识别标注数据 海事监控系统 采砂船识别 集装箱货船识别数据集 游船识别数据集 yolo数据集第10199期
·
海上船舶数据集核心信息表
类别
Classes (6) 类别（6）
bulk cargo carrier
散装货船
container ship
集装箱船
fishing boat
渔船
general cargo ship
杂货船
ore carrier
矿石运输船
passenger ship
客船
| 信息类别 | 具体内容 |
|---|---|
| 数据集类别 | 目标检测类数据集，包含6个细分船舶类别：散货船（bulk cargo carrier）、集装箱船（container ship）、渔船（fishing boat）、杂货船（general cargo ship）、矿砂船（ore carrier）、客船（passenger ship） |
| 数据数量 | 包含6979张船舶相关图像，对应1个数据集主体，暂未关联已训练模型（Model数量为0） |
| 数据集格式种类 | 以图像数据为核心，适配目标检测任务标注格式（支持目标框标注，未明确提及其他格式） |
| 核心应用价值 | 1. 为船舶识别算法开发提供高质量标注数据，助力海事监控系统优化；2. 支撑港口调度、海上交通管理等场景的AI模型训练；3. 辅助船舶类型分类相关研究，降低算法开发的数据采集与标注成本 |
该数据集聚焦目标检测任务，专门针对船舶场景构建分类体系。6个细分类别覆盖了常见的商用、民用船舶类型，从运输类的散货船、集装箱船，到作业类的渔船，再到客运类的客船，分类逻辑贴合实际海事场景需求，能满足不同场景下的船舶识别模型训练。
在数据规模上，数据集包含6979张图像，数量级达到“七千级”，可提供充足的样本支撑模型学习。单数据集主体的结构设计简洁，避免了多数据集拆分带来的使用复杂度，同时预留了模型关联接口，后续可灵活对接训练后的检测模型。
整体来看，该数据集的核心价值集中在海事领域的AI应用落地。其标注好的船舶图像数据，能直接用于算法训练，减少开发者在数据准备阶段的投入，无论是海事监控中的实时船舶识别，还是港口自动化调度中的船舶类型判断，都能依托该数据集提升模型性能与开发效率。
更多推荐
6
0- 0
已为社区贡献20条内容
所有评论(0)