MDWD: A Street-Level Dataset for Municipal Solid Waste Detection in Dense Urban Environments
本文介绍了马耳他生活垃圾数据集（MDWD），这是一个包含 3,697 张高分辨率图像和超过 11,000 个生活垃圾标注实例的全面街景基准，旨在填补城市固体废物检测资源的空白，并为各种目标检测模型建立可复现的性能基准。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一名正在试图破解谜题的侦探，但你寻找的不是指纹，而是垃圾。这就是计算机视觉（Computer Vision）的世界——这是一个通过教计算机如何像人类一样通过摄像头“看到”并理解世界来开展科学研究的分支领域。在这个领域中，一个核心概念是目标检测（Object Detection），这就像是教计算机不仅要发现照片中的一只猫，还要在它周围画一个框，并说：“那是一只猫！”另一个重要的概念是机器学习（Machine Learning），即计算机通过对成千上万个案例进行练习，直到它能出色地胜任这项工作。为什么有人会关心这个？因为我们的城市正变得越来越拥挤，保持城市清洁是一个巨大的、混乱的挑战。如果我们能教会计算机自动识别街道上的垃圾堆，城市清洁人员就能更快、更智能地进行清理，将一项混乱且被动的工作转变为一种流畅且自动化的运作模式。
现在，来认识一下 MDWD，这是一个为这些“计算机侦探”准备的新型“训练健身房”。在这篇论文发表之前，大多数针对垃圾进行训练的计算机程序都过得很轻松：它们要么观察干净桌面上的单个碎片，要么像鸟儿一样从高空俯瞰垃圾。但现实生活是混乱的。垃圾经常被其他物体遮挡，被挤进袋子里，或者堆放在拥挤城市街道上复杂的堆积物中。马耳他大学的研究人员意识到，要构建一个真正聪明的垃圾识别机器人，他们需要一个看起来完全像马耳他真实、混乱街道的数据集。因此，他们创建了马耳他生活垃圾数据集（Maltese Domestic Waste Dataset, MDWD）。
该数据集是一个由 3,697 张高分辨率照片组成的庞大集合，这些照片是在街头水平高度拍摄的。在这些照片中，团队手动绘制了 11,461 个方框，围绕着不同类型的废物，从而教会计算机识别五种特定的类别：混合垃圾（Mixed Waste）（装有剩余家庭生活垃圾的黑色袋子）、有机垃圾（Organic Waste）（装有食物残渣的小白袋）、可回收材料（Recyclable Material）（装有纸张或塑料的灰袋或绿袋）、橙色 CMD（Orange CMD）（来自城市清洁队的独特橙色袋子）以及其他废物（Other Waste）（那些奇特的、罕见的物品，如大型家具或玻璃瓶）。这些照片捕捉到了现实世界中的所有困难：阴影、雨水、物体间的相互遮挡以及各种尺寸的垃圾。
为了测试这个新数据集是否真的有效，研究人员将其置于严苛的测试之中，就像教练带领不同类型的“计算机大脑”进行马拉松比赛一样。他们让几代 YOLO（一个流行的快速实时检测器家族）与一种更新的、基于 Transformer 的模型 RF-DETR 进行对决。把 YOLO 想象成一名速度极快且擅长快速发现目标的短跑选手，而 RF-DETR 则像是一个细心的观察者，通过观察全局图景来理解上下文。
结果显而易见：RF-DETR-M 模型成为了全场的明星。它在测试集上实现了 94.49% 的成功率（以 mAP50 衡量）和 93.56% 的 F1 分数，这意味着它在寻找和分类垃圾方面极其精准。然而，论文还发现，较小、较轻量级的模型版本（如“Nano”和“Small”变体）仍然非常有竞争力，这证明了你并不总是需要一台庞大、沉重的计算机也能做好工作。研究人员明确指出，虽然橙色 CMD 袋子因为颜色鲜艳而极易被发现，但**“其他废物”**这一类别是最难处理的，因为它包含如此多种类奇特的罕见物品，经常会被漏掉。
至关重要的是，这篇论文并不声称已经永久性地“解决”了垃圾问题。相反，它表明 MDWD 是一个坚实且可复现的基础。它证明了街头水平、实例级的检测是可能的，并为未来的研究人员提供了一个衡量自身进步的标准“标尺”。作者认为，该数据集填补了一个特定的空白：目前还没有其他资源能提供带有特定市政废物流详细标注框的街头水平照片。通过公开这些数据，他们希望能够激发更多关于如何利用视觉技术来保持城市清洁的研究，从而实现从人工检查向智能、自动化监测的转变。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。