准确检测与分割海洋垃圾对于维护水体清洁具有重要意义。本文提出了一种基于前视声呐（Forward Looking Sonar, FLS）采集的新型海洋垃圾分割数据集。该数据集共包含1868张由ARIS Explorer 3000传感器获取的FLS图像，所涵盖的物体类别包括典型的家用海洋垃圾以及干扰性海洋物体（如轮胎、钩子、阀门等），共划分为11个目标类别，外加一个背景类别。本文对多种采用不同编码器的先进语义分割架构在该数据集上的性能进行了分析，并提供了基准测试结果。由于图像为灰度图像，未使用预训练权重。性能评估采用交并比（Intersection over Union, IoU）指标进行比较。表现最佳的模型为基于ResNet34主干网络的U-Net，其平均交并比（mIoU）达到0.7481。该数据集已公开，可通过以下链接获取：https://github.com/mvaldenegro/marine-debris-fls-datasets/