【我遇到的问题】 • 现象：该数据集的下载链接已失效 【相关信息】 • 可考虑访问这个链接获取类似文件~https://www.selectdataset.com/dataset/3688356173feccbcf1f1e490ddc6bc72
RSAR
收藏github2025-01-09 更新2025-01-10 收录
下载链接：
https://github.com/zhasion/RSAR
下载链接
链接失效反馈官方服务：
资源简介：
RSAR是目前最大的多类别旋转SAR目标检测数据集，包含95,842张图像，其中训练集78,837张，验证集8,467张，测试集8,538张。数据集中包含船舶、飞机和汽车等类别的实例。
RSAR is currently the largest multi-class rotated SAR object detection dataset, which has a total of 95,842 images, split into 78,837 training samples, 8,467 validation samples and 8,538 test samples. The dataset contains instances of categories such as ships, aircraft and automobiles.
创建时间：
2024-12-15
原始信息汇总
RSAR 数据集概述
数据集简介
RSAR（Restricted State Angle Resolver and Rotated SAR Benchmark）是目前最大的多类别旋转SAR（合成孔径雷达）目标检测数据集。该数据集旨在解决SAR领域中旋转目标检测的挑战，特别是在缺乏大规模数据集的情况下。通过引入Unit Cycle Resolver（UCR）方法，该数据集显著提高了角度预测的准确性。
数据集内容
-
图像数量：95,842张
- 训练集：78,837张
- 验证集：8,467张
- 测试集：8,538张
-
类别及实例数量：
类别 训练实例 验证实例 测试实例 船只 (SH) 92,950 10,492 10,700 飞机 (AI) 6,880 449 494 汽车 (CA) 9,567 1,219 1,231 坦克 (TA) 9,479 1,000 886 桥梁 (BR) 27,512 3,300 3,272 港口 (HA) 3,304 400 399 总计 149,692 16,860 16,982
数据集使用
1. 安装
- 使用
mmrotate框架进行安装，具体步骤参考mmrotate dev-1.x。
2. 数据集准备
-
数据集可从百度网盘下载，解压后目录结构如下：
$DATAROOT |-- train | |-- annfiles # 包含标注文件：*.txt |
-- images # 包含SAR图像：*.jpg *.bmp *.png |-- val | |-- annfiles |-- images-- test |-- annfiles-- images
3. 训练与评估
-
单GPU训练： sh python tools/train.py [your_config]
-
多GPU训练： sh sh tools/dist_train.sh [your_config] [available_GPU_num]
-
评估： sh python tools/test.py [your_config]
模型与结果
1. 弱监督模型
- 基于H2RBox-v2和UCR的弱监督模型，使用ResNet50作为骨干网络，训练结果如下：
2. 全监督模型
- 基于RSAR数据集的全监督模型，训练结果如下：
骨干网络 模型 mAP 角度 学习率调度 批量大小 配置文件 下载链接 ResNet50 (800,800) Rotated-RetinaNet 27.65 le90 1x 2 config ckpt ResNet50 (800,800) R3Det 30.50 le90 1x 2 config ckpt ResNet50 (800,800) S2ANet 33.11 le90 1x 2 config ckpt ResNet50 (800,800) Rotated-FCOS 34.22 le90 1x 2 config ckpt ResNet50 (800,800) Rotated-Faster RCNN 30.46 le90 1x 2 config ckpt ResNet50 (800,800) O-RCNN 33.62 le90 1x 2 config ckpt ReResNet50 (800,800) ReDet 34.30 le90 1x 2 config ckpt ResNet50 (800,800) RoI-Transformer 35.02 le90 1x 2 config ckpt ResNet50 (800,800) Deformable DETR 19.63 le90 1x 2 config ckpt ResNet50 (800,800) ARS-DETR 31.56 le90 1x 2 config ckpt
引用
如果该数据集对您的研究有帮助，请引用以下论文： bibtex @article{zhang2025rsar, title={RSAR: Restricted State Angle Resolver and Rotated SAR Benchmark}, author={Zhang, Xin and Yang, Xue and Li, Yuxuan and Yang, Jian and Cheng, Ming-Ming and Li, Xiang}, journal={arXiv preprint arXiv:2501.04440}, year={2025} }
@inproceedings{li2024sardet, title={Sardet-100k: Towards open-source benchmark and toolkit for large-scale sar object detection}, author={Li, Yuxuan and Li, Xiang and Li, Weijie and Hou, Qibin and Liu, Li and Cheng, Ming-Ming and Yang, Jian}, booktitle={The Thirty-eighth Annual Conference on Neural Information Processing Systems (NeurIPS)}, year={2024}, }
许可证
该数据集遵循Creative Commons Attribution-NonCommercial 4.0 International许可，仅限非商业用途。
搜集汇总
数据集介绍
构建方式
RSAR数据集的构建基于合成孔径雷达（SAR）图像，旨在解决旋转目标检测领域的数据匮乏问题。通过引入弱监督模型生成伪旋转框，并结合手动校准，数据集构建过程中采用了Unit Cycle Resolver（UCR）技术，显著提升了角度预测的准确性。最终，RSAR成为迄今为止规模最大的多类别旋转SAR目标检测数据集，包含95,842张图像，涵盖船舶、飞机、汽车、坦克、桥梁和港口等多个类别。
特点
RSAR数据集以其大规模和多类别特性脱颖而出，包含95,842张图像，分为训练集、验证集和测试集。数据集涵盖了船舶、飞机、汽车、坦克、桥梁和港口等六类目标，实例总数达到183,534个。其独特的旋转目标标注方式，结合UCR技术，显著提升了角度预测的精度，为SAR领域的旋转目标检测研究提供了强有力的数据支持。
使用方法
使用RSAR数据集时，首先需从百度网盘下载数据并解压至指定目录。数据集目录结构清晰，包含训练、验证和测试集的图像及标注文件。用户可通过配置mmrotate环境进行模型训练与评估，支持单GPU和多GPU训练模式。训练完成后，可通过测试脚本评估模型性能，并可根据需求调整配置以输出不同IoU阈值下的精度结果。此外，数据集还提供了模型转换工具，便于优化模型存储与部署。
背景与挑战
背景概述
RSAR数据集是由Xin Zhang、Xue Yang、Yuxuan Li等研究人员于2025年提出的，旨在解决合成孔径雷达（SAR）领域中旋转目标检测的难题。该数据集是目前最大的多类别旋转SAR目标检测数据集，包含95,842张图像，涵盖船舶、飞机、汽车、坦克、桥梁和港口等多个类别。RSAR的提出填补了SAR领域缺乏大规模数据集的空白，显著推动了旋转目标检测技术的发展。通过引入单位圆约束解析器（UCR），该数据集不仅提升了弱监督模型的性能，还在光学遥感数据集（如DOTA-v1.0）上超越了全监督模型的表现。RSAR的发布为SAR目标检测研究提供了重要的基准和工具，对相关领域的研究具有深远影响。
当前挑战
RSAR数据集面临的挑战主要体现在两个方面。首先，在领域问题方面，旋转目标检测在SAR图像中尤为复杂，目标的角度变化多样且背景噪声干扰严重，传统的检测方法难以准确预测目标的角度信息。尽管弱监督模型通过水平框生成伪旋转框提供了一种解决方案，但其角度预测精度有限，难以满足实际需求。其次，在数据集构建过程中，SAR图像的标注成本高昂且效率低下，尤其是旋转框的精确标注需要大量人工干预。此外，SAR图像的分辨率和成像特性使得目标识别和标注更加困难，进一步增加了数据集的构建难度。这些挑战促使研究人员开发了单位圆约束解析器（UCR），以提升角度预测的准确性并降低标注成本。
常用场景
经典使用场景
RSAR数据集在旋转目标检测领域具有广泛的应用，尤其是在合成孔径雷达（SAR）图像分析中。该数据集通过提供大规模的多类别旋转目标标注，显著提升了旋转目标检测模型的训练效果。其经典使用场景包括对船舶、飞机、车辆等目标的精确检测与定位，特别是在复杂背景下的目标识别任务中表现出色。
实际应用
RSAR数据集在实际应用中具有重要价值，特别是在军事侦察、海洋监测和交通管理等领域。例如，在海洋监测中，RSAR可用于精确检测和跟踪船舶目标，提升海上交通管理的效率；在军事侦察中，该数据集能够帮助识别和定位敌方目标，为决策提供数据支持。
衍生相关工作
RSAR数据集的发布推动了旋转目标检测领域的多项经典工作。基于该数据集，研究者开发了多种先进的检测模型，如H2RBox-v2、R3Det和S2ANet等。这些模型在RSAR上的表现不仅验证了数据集的实用性，还为后续研究提供了重要的基准和参考。此外，RSAR还促进了SAR图像分析与其他领域的交叉研究，推动了相关技术的进一步发展。
以上内容由遇见数据集搜集并总结生成
