CVPR 2026 Findings｜FSSG：前视声呐数据集

CVPR 2026 FindingsFSSG前视声呐数据集前视声呐Forward-Looking Sonar是水下环境感知的重要传感手段之一。相比光学成像声呐在低照度、浑浊水体以及远距离观测等复杂条件下具有更强的环境适应能力因此被广泛应用于水下机器人、目标探测、水下搜救和海洋作业等场景。然而相比自然图像领域公开的前视声呐语义分割数据集仍然十分有限。真实声呐数据采集需要专业设备和水下实验环境而语义分割又依赖逐像素人工标注进一步增加了数据构建成本。一、FSSG 数据集概览FSSG 共包含3,761 张前视声呐图像及对应的像素级语义分割标注包含背景在内共设置11 个语义类别BackgroundBlockCircle CageSteel FrameConcrete ColumnSteel PlatePotSquare CageTireUnderwater RobotDiver这些类别覆盖了多种具有代表性的水下人工目标同时加入了 **Underwater Robot水下机器人**和 **Diver潜水员**等与实际水下作业密切相关的目标类型。图 1. FSSG 数据集的采集过程、声呐与可见光成像示例以及类别分布。二、真实水下环境中的前视声呐数据采集FSSG 数据采集于渤海湾真实水域环境实验采用搭载Oculus M750d 多波束前视声呐的水下机器人进行数据获取。为了增加数据的多样性不同水下目标被布置在约320 米水深范围内并从多个角度和距离进行采集。声呐与目标之间的观测距离约为215 米采集过程中使用750 kHz 和 1.2 MHz两种工作频率。与实验室环境或合成数据相比这种真实水域采集方式能够保留前视声呐图像中典型的成像特征例如声学阴影、能量衰减、低纹理以及不同距离下的目标形态变化为声呐视觉算法提供更加贴近实际应用的数据。三、像素级标注与真实的长尾类别分布FSSG 为每张图像提供对应的像素级语义分割 Mask因此可以直接用于语义分割模型的训练、验证和测试。与此同时数据集并没有人为将不同目标类别调整为完全均衡的分布而是保留了真实采集过程中形成的类别差异。其中Steel Plate是样本数量最多的类别共有1,229 个样本占约 31%而Diver是样本最少的目标类别仅有80 个样本占约 2%。这种明显的类别不均衡使 FSSG 同时具有一定的长尾分布特征因此除了常规语义分割外也能够用于研究少数类别识别、长尾分割以及低资源条件下的水下目标感知。四、可以用于哪些研究方向FSSG 主要面向前视声呐视觉感知但其应用并不限于单一的实验设置。基于当前公开的图像和像素级标注可以开展包括以下方向在内的研究前视声呐图像语义分割Sonar Semantic Segmentation水下目标感知与场景理解水下机器人环境感知半监督语义分割少标注与低标注成本学习长尾语义分割类别不均衡学习稀有水下目标识别声呐图像特征学习水下智能感知五、论文与数据集FSSG 数据集及相关方法项目代码目前已经公开。论文地址https://arxiv.org/abs/2603.21071数据集下载https://pan.baidu.com/s/10qCqdCkPZ_o7hk7KlC74nw?pwd0516项目地址https://github.com/pingggg516/CTFS