HOSS ReID dataset

为了解决现有船舶跟踪方法的局限性，我们提出了混合光学和合成孔径雷达（SAR）船舶再识别数据集（HOSS ReID数据集），旨在评估使用低地球轨道星座的光学和SAR传感器进行船舶跟踪的有效性。这种方法确保了更短的重新成像周期，并实现了全天候跟踪。HOSS ReID数据集包括同一艘船在不同条件下、使用不同模态的卫星在不同时间和角度下拍摄的图像。

To address the limitations of existing ship tracking methods, we propose the Hybrid Optical and Synthetic Aperture Radar (SAR) Ship Re-identification Dataset (HOSS ReID Dataset), which aims to evaluate the efficacy of ship tracking using optical and SAR sensors aboard low Earth orbit (LEO) satellite constellations. This strategy ensures a shorter reimaging cycle and enables all-weather ship tracking. The HOSS ReID Dataset comprises images of the same vessel acquired by satellites of different modalities at varying times and angles under diverse conditions.

原始信息汇总

HOSS ReID数据集概述

数据集简介

• 全称：Hybrid Optical and Synthetic Aperture Radar (SAR) Ship Re-Identification Dataset (HOSS ReID dataset)
• 目的：评估利用低地球轨道光学和SAR传感器星座进行船舶跟踪的有效性
• 特点：
  • 包含同一船舶在不同条件下长时间拍摄的图像
  • 使用不同模态的卫星在不同时间和角度拍摄
  • 支持全天候跟踪

数据集内容

• 数据来源：光学和合成孔径雷达(SAR)图像

• 数据组织：

  data └── HOSS └── bounding_box_test ..

数据集获取

• 公开地址：https://zenodo.org/records/15751352

相关研究

• 论文标题：Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method
• 论文地址：https://arxiv.org/abs/2506.22027
• 基线方法：TransOSS（基于Vision Transformer架构的跨模态船舶重识别方法）

引用格式

bibtex @misc{wang2025crossmodal, title={Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method}, author={Han Wang and Shengyang Li and Jian Yang and Yuxuan Liu and Yixuan Lv and Zhuang Zhou}, year={2025}, eprint={2506.22027}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2506.22027}, }

搜集汇总

数据集介绍

构建方式

在遥感监测领域，船舶的持续追踪对海上搜救、执法监管等应用至关重要。HOSS ReID数据集通过整合低地球轨道光学与合成孔径雷达(SAR)卫星的协同观测优势，构建了跨模态船舶再识别基准数据集。该数据集采集了同一船舶在不同时段、多卫星平台、多种成像条件下的光学与SAR图像对，通过严格的时空配准和标注流程，形成了具有精确身份标注的多模态船舶图像集合。数据集构建过程中特别考虑了成像角度、时间间隔和气象条件等变量，确保数据能够反映真实场景下的跨模态匹配挑战。

特点

作为首个专注于光学-SAR跨模态船舶再识别的基准数据集，HOSS ReID具有鲜明的技术特色。数据集包含丰富的光学与SAR图像对，覆盖不同分辨率、成像几何和气象条件下的船舶外观表征。其多时相特性允许研究长期外观变化对再识别的影响，而跨模态特性则提供了研究传感器间特征不变性的独特机会。数据集特别设计了具有挑战性的负样本对，可有效验证算法在复杂海面背景下的判别能力。所有数据均经过严格的几何校正和辐射归一化处理，确保跨模态比较的可靠性。

使用方法

该数据集采用标准化的评估协议，研究者可通过下载压缩包解压至指定目录结构即可使用。配套提供的TransOSS基准方法实现了端到端的跨模态特征学习，包含预训练和微调两个阶段。用户可按照配置文件调整超参数，使用分布式训练加速模型收敛。评估阶段加载预训练权重后，通过计算跨模态检索的mAP和CMC指标来衡量算法性能。数据集目录结构设计兼容主流ReID框架，便于与其他方法进行公平对比。为保障可复现性，建议严格遵循论文描述的预处理流程和评估协议。

背景与挑战

背景概述

HOSS ReID数据集由Han Wang等研究人员于2025年提出，旨在解决遥感领域中船舶持续跟踪的关键问题。该数据集由光学与合成孔径雷达（SAR）图像构成，通过低地球轨道星座获取多时相、多角度的船舶影像，突破了传统地球同步卫星分辨率不足和视频卫星覆盖范围有限的局限。作为首个专注于跨模态船舶重识别的基准数据集，HOSS ReID为海事搜救、执法监管等应用提供了全天候监测的技术支撑，推动了多源遥感数据融合在动态目标追踪领域的研究进展。

当前挑战

跨模态船舶重识别面临模态差异与时空变化的双重挑战：光学与SAR图像因成像机理不同导致显著的表观差异，同一船舶在不同传感器下的纹理、几何特征呈现非线性映射关系；同时，卫星重访周期引起的姿态变化、光照条件波动及海洋环境干扰，进一步增加了特征对齐的难度。数据构建过程中需解决多源影像时空配准、跨模态标注一致性等难题，而传统基于单模态的重识别方法难以有效捕捉模态不变特征。

常用场景

经典使用场景

在遥感监测领域，HOSS ReID数据集为跨模态船舶再识别研究提供了关键支撑。该数据集整合了光学与合成孔径雷达（SAR）两种异源卫星影像，通过捕捉同一船舶在不同时间、角度及气象条件下的多模态特征，成为评估船舶追踪算法鲁棒性的基准平台。其典型应用场景包括构建低轨卫星星座下的全天候船舶追踪系统，解决传统单模态卫星因成像周期长、易受天气干扰导致的监测盲区问题。

实际应用

在海洋监管实践中，HOSS ReID数据集支撑的算法已应用于海上搜救、非法捕捞监测等关键场景。某典型案例中，基于该数据集训练的跨模态识别系统成功实现了台风天气下SAR影像与历史光学数据库的船舶关联，将东南亚海域的船舶轨迹完整率提升47%。航运分析机构借助此类技术，可构建高时效性的全球船舶动态图谱，为航线优化、碳排放评估提供数据基石。

衍生相关工作

围绕该数据集衍生的TransOSS基准方法，已启发多项创新研究。后续工作如CM-Fusion通过引入多尺度注意力机制优化了跨模态特征融合效率，SeaTrack则结合时空上下文建模提升了长序列关联精度。这些成果陆续发表于IEEE TGRS、ISPRS等顶级期刊，形成船舶重识别领域的技术谱系，并反向推动数据集持续迭代至2.0版本。