近日，中科院空天信息研究院数字地球重点实验室王超研究员团队首次公开了SAR图像船舶检测数据集。该数据集来自于多源、多模式SAR图像。基于此数据集，该团队实现了复杂背景下的商船检测与分类一体化深度学习处理系统，在无需海陆分割的基础上，实现商用船舶的近实时自动检测与分类，为我国国产高分3号的业务化应用提供技术支撑。

深度学习因具有自动可学习判别特征，已经在光学图像的对象分类、语义分割和对象检测等任务中取得重要成果。近几年来，深度学习模型广泛应用于SAR图像。常规目标检测数据集有很多，现在前沿的目标检测算法（如Faster R-CNN、Yolo、SSD、Mask R-CNN等）基本都是在这些常规数据集上进行实验。SAR数据由于其特殊的成像机理，使得其存在解译困难。由于缺少标记样本，基于SAR图像的目标检测数据集发展缓慢，也阻碍了深度学习模型的应用。

该数据集以我国国产高分三号SAR数据和Sentinel-1 SAR数据为主数据源，共采用了102景高分三号和108景Sentinel-1 SAR图像构建高分辨率SAR船舶目标深度学习样本库。目前，该深度学习样本库包含43819船舶切片。高分三号的成像模式是Strip-Map (UFS)、Fine Strip-Map 1 (FSI)、Full Polarization 1 (QPSI)、Full Polarization 2(QPSII)和Fine Strip-Map 2 (FSII)。这5种成像模型的分辨率分别是3m、5m、8m、25m和10m。Sentinel-1的成像模式是条带模式（S3和S6）和宽幅成像模式，具体信息见表1。

表1. 用于构建数据库的SAR图像

图1. 数据集样例

图2. 数据切片格式

该数据集中的船舶切片种类丰富，背景多样，适合多种SAR图像应用。此次研究成果是在国家自然科学重点基金和国家重点研发计划的共同支持下，已发表在Remote Sensing Letters、 Remote Sensing、Sensors等SCI期刊。

微信分享

x

用微信扫描二维码
分享至好友和朋友圈

网站内容来源于互联网、原创，由网络编辑负责审查，目的在于传递信息，提供专业服务，不代表本网站及新媒体平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的，请在 20个工作日内与我们取得联系，联系方式：021-80198330。网站及新媒体平台将加强监控与审核，一旦发现违反规定的内容，按国家法规处理，处理时间不超过24小时。