珊瑚目标检测数据集 & SCoralDet

---

前言

本文介绍和提供了珊瑚目标检测数据集及其方法

SCoralDet-Dataset是一个高质量的水下珊瑚检测数据集，包含646张来自海南热带海洋大学珊瑚种质保育和育种中心的标注图像。该数据集专门为珊瑚检测和识别任务而设计，适用于研究人员和从事水下图像分析、海洋生物学和计算机视觉应用的从业者。

---

珊瑚数据集说明及下载链接：https://github.com/RDXiaoLu/SCoralDet-Dataset.git
发表论文链接：SCoralDet: Efficient real-time underwater soft coral detection with YOLO

一、SCoralDet Dataset

SCoralDet-Dataset包含六种珊瑚物种的图像，包括Euphylliaancora、Favosites、Platygyra、Sarcophyton、Sinularia和Wavinghand。

该数据集共包含646张图像，采用PNG/JPEG格式，标注信息以COCO格式存储。

SCoralDet-Dataset可以用于珊瑚物种分类、目标检测任务（例如YOLO、Faster R-CNN）和水下数据集的迁移学习。

SCoralDet-Dataset已被用于SCoralDet：Efficient real-time underwater soft coral detection with YOLO研究。

该数据集已被扩展为MambaCoral-DiffDet工作，用于在复杂水下环境中进行软珊瑚检测。

二、数据集预览

三、如何使用

🛠️ 如何使用SCoralDet数据集检测珊瑚？

1. 下载数据集

开始SCoralDet Dataset, 直接从谷歌云盘获取 Google Drive.

2. 准备数据集

获得数据集后，解压缩下载的文件。数据集组织成以下结构：

/your_dataset_path
├── annotations
└── image
    ├── Euphflfiaancora
    ├── Favosites
    ├── Platygyra
    ├── Sarcophyton
    ├── Sinularia
    └── WavingHand

• annotations/: 包含对于每一张图片的 COCO format 注释。
• image/: 六种珊瑚的图片

3. 处理数据集 （必须）

使用我github中分享的文件 Dataset_process.ipynb 来处理数据集。你可以任意的划分训练集和测试集。

4. 转换COCO 格式到YOLO 格式

如果你需要 YOLO format, 请使用我在github中提供的coco2yolo.py 文件，然后运行以下命令就可以了！

python coco2yolo.py --json_path your_coral_instances.json --save_path your_yolo_label_path

总结

如果有问题请在github中提出issue！祝大家研究顺利~。

引用

您可能想引用：

@ARTICLE{lu2024scoraldet,  
         author={Lu, Zhaoxuan and Liao, Lyuchao and Xie, Xingang and Yuan, Hui},  
         title={SCoralDet: Efficient real-time underwater soft coral detection with YOLO},  
         journal={Ecological Informatics},  
         year={2024},  
         artnum={102937},  
         issn={1574-9541},  
         doi={10.1016/j.ecoinf.2024.102937},  
}