孟加拉三角洲鱼:在孟加拉国市场检测鱼类的本地数据集

科学领域:

• 计算机视觉 计算机视觉
• 海洋生物学 海洋生物学
• 数据科学数据科学数据科学

背景情况:

• 由于不受控制的条件,在现实环境中识别鱼类物种具有挑战性.
• 现有的鱼类数据集往往缺乏多样性和现实的市场情景.

研究的目的:

• 引入孟加拉三角洲鱼类数据集,以改善鱼类物种识别.
• 为自然市场环境中鱼类提供大规模,多样化的数据集.

主要方法:

• 从当地鱼市收集了33种鱼类的4560张注释图像.
• 图像具有自然照明,不受控制的背景和常见的市场放置 (冰,篮子).
• 数据集分为深度学习的培训,验证和测试集.

主要成果:

• 使用YOLOv11s实现了98.23%的mAP@50,证明了数据集的有效性.
• 数据集包括在其他集合中不常见的罕见物种.
• 验证了可靠的现场应用的潜力.

结论:

• 孟加拉三角洲鱼 (BengalDeltaFish) 弥合了控制数据集和现实世界应用之间的差距.
• 对于人工智能驱动的鱼类检测,分类,防止错误标签和监控销售非常有价值.
• 数据集促进了在市场上准确识别鱼类的工具的开发.