Die genaue Detektion und Segmentierung von Meeresabfällen ist entscheidend für die Reinigung von Gewässern. In diesem Artikel wird ein neuartiges Datensatz für die Segmentierung von Meeresabfällen vorgestellt, der mit einem Forward Looking Sonar (FLS) gesammelt wurde. Der Datensatz umfasst 1868 FLS-Bilder, die mit dem ARIS Explorer 3000-Sensor erfasst wurden. Die darin enthaltenen Objekte umfassen typische Haushaltsabfälle im Meer sowie Störobjekte (Reifen, Haken, Ventile usw.) und sind in 11 Klassen plus eine Hintergrundklasse unterteilt. Die Leistung von state-of-the-art-Architekturen für semantische Segmentierung mit verschiedenen Encodern wurde auf diesem Datensatz analysiert und als Baseline-Ergebnisse präsentiert. Da die Bilder graustufig sind, wurden keine vortrainierten Gewichte verwendet. Die Vergleiche erfolgen anhand des Intersection over Union (IoU). Das bestperformende Modell ist Unet mit ResNet34-Backbone, das eine mIoU von 0,7481 erreicht. Der Datensatz ist unter https://github.com/mvaldenegro/marine-debris-fls-datasets/ verfügbar.