LaRS: Ein vielfältiges panoptisches Datensatz- und Benchmark-Set für die Erkennung von Hindernissen auf See

Der Fortschritt im Bereich der Hinderniserkennung auf See wird durch den Mangel an einer vielfältigen Datensammlung behindert, die die Komplexität allgemeiner maritimer Umgebungen ausreichend abbildet. Wir präsentieren den ersten maritimen Panoptic-Hinderniserkennungsbenchmark LaRS, der Szenen aus Seen, Flüssen und Meeren umfasst. Unser Hauptbeitrag ist die neue Datensammlung, die unter den verwandten Datensätzen die größte Vielfalt an Aufnahmeorten, Szenentypen, Hindernisklassen und Aufnahmeeinstellungen aufweist. LaRS besteht aus über 4000 pro-Pixel annotierten Schlüsselbildern, jeweils ergänzt um neun vorhergehende Frames, um die Nutzung zeitlicher Texturen zu ermöglichen, was insgesamt über 40.000 Frames umfasst. Jedes Schlüsselbild ist mit 8 „Thing“-Klassen, 3 „Stuff“-Klassen und 19 globalen Szenenattributen annotiert. Wir berichten über die Ergebnisse von 27 Methoden zur semantischen und panoptischen Segmentierung sowie über mehrere Leistungsinsight und zukünftige Forschungsrichtungen. Um eine objektive Evaluation zu ermöglichen, haben wir einen Online-Evaluationsserver implementiert. Die LaRS-Datensammlung, das Evaluierungstoolkit und der Benchmark sind öffentlich zugänglich unter: https://lojzezust.github.io/lars-dataset