SISP

SISP数据集是一个专为高分辨率卫星图像中的细粒度船舶实例分割设计的基准数据集。该数据集由10,000张切片图像组成，包含56,693个精细标注的船舶实例，分为四个细粒度类别。所有图像均从SuperView-1卫星收集，分辨率为0.5米。SISP数据集反映了真实卫星场景的特征，如高度类别不平衡、场景多样性、目标密度和尺度的巨大变化，以及高类间相似性和类内多样性，使其更适合实际应用。此外，该数据集还引入了动态特征细化辅助实例分割网络（DFRInst），作为船舶实例分割的基准方法，通过强化关键特征的显式表示来提高船舶实例分割的性能。

The SISP dataset is a benchmark dataset specifically designed for fine-grained ship instance segmentation in high-resolution satellite imagery. This dataset comprises 10,000 cropped satellite images, containing 56,693 finely annotated ship instances categorized into four fine-grained classes. All images were collected from the SuperView-1 satellite, with a spatial resolution of 0.5 meters. The SISP dataset reflects the characteristics of real-world satellite scenes, including severe class imbalance, scene diversity, dramatic variations in target density and scale, high inter-class similarity and intra-class diversity, making it more suitable for practical applications. Additionally, this dataset introduces the Dynamic Feature Refinement Auxiliary Instance Segmentation Network (DFRInst) as the baseline method for ship instance segmentation, which enhances the explicit representation of key features to improve the performance of ship instance segmentation.

搜集汇总

数据集介绍

构建方式

在卫星遥感影像分析领域，高分辨率全色影像为精细化目标识别提供了数据基础。SISP数据集的构建始于从SuperView-1卫星采集空间分辨率为0.5米的全色影像，覆盖海岸城市、岛屿、近海、湖泊与河流等多种场景。原始大幅影像经过裁剪与筛选，最终获得一万张800×800像素的切片图像。专业标注人员在明确四类精细船舶（民用船、辅助船、平台、军用船）定义后，采用多边形进行像素级实例分割标注，并经过交叉校验与专家审核，确保五万六千余个实例标注的高质量与一致性。

特点

该数据集的核心特点在于其高度贴近真实卫星观测场景的复杂性与挑战性。其影像全部源自单一高分辨率卫星传感器，保证了数据源的纯粹性与地物表征的一致性。数据呈现出显著的类别不平衡分布，民用船与平台占绝大多数，而辅助船与军用船实例稀少，模拟了实际海事观测中的长尾现象。同时，数据在实例密度、目标尺度上存在巨大差异，单幅图像实例数最多可达240个，目标尺寸跨度从数十像素至上万像素。此外，四类船舶之间存在较高的类间相似性与类内多样性，例如部分辅助船与平台形态相近，这为精细化特征学习带来了严峻考验。

使用方法

为支持模型训练与评估，SISP数据集已按6:2:2的比例划分为训练集、验证集与测试集。研究者可利用其提供的COCO格式标注，直接应用于主流实例分割框架。针对单波段全色影像，常规做法是通过通道复制适配三通道输入要求。数据集中包含的密集小目标、尺度变化及类别不平衡等特性，使其非常适合用于开发与验证针对遥感影像特点的鲁棒性实例分割算法，特别是动态特征细化、多尺度融合及长尾分布处理等关键技术。基准实验表明，注意力机制与特征细化模块在该数据集上表现突出，为后续研究提供了明确的性能基线。

背景与挑战

背景概述

在卫星图像解译领域，细粒度船舶实例分割是一项基础且具有挑战性的任务，旨在实现每个船舶实例的像素级定位，并在更精细的类别层面进行区分。SISP数据集由哈尔滨工程大学智能信号处理团队于2024年提出，专门针对全色卫星图像中的细粒度船舶实例分割问题而构建。该数据集包含来自SuperView-1卫星的10,000张切片图像，标注了56,693个船舶实例，涵盖民用船舶、辅助船舶、平台和军用船舶四类细粒度类别。SISP的创建填补了现有数据集中细粒度信息与像素级定位标注同时缺失的空白，其图像全部源自真实卫星场景，具有高类别不平衡、场景多样、目标密度与尺度变化大以及类间相似性高、类内多样性强等特性，显著提升了模型在复杂海事监测应用中的泛化能力，对推动遥感图像智能解译研究具有重要价值。

当前挑战

SISP数据集所针对的细粒度船舶实例分割任务面临多重挑战：在领域问题层面，由于卫星图像中船舶目标通常呈现较小的像素占比，加之细粒度类别间形态相似度高（如辅助船舶与平台），类内则因船舶型号、姿态及成像条件差异而外观多变，这导致模型在特征提取与分类时极易产生混淆；同时，数据集中存在的显著类别不平衡（如军用船舶实例极少）加剧了模型对少数类别的学习难度。在构建过程中，挑战主要体现在高质量标注的获取上：全色卫星图像虽具有高空间分辨率，但缺乏光谱信息，增加了目标边界精确勾勒的复杂性；此外，为确保标注一致性，需对标注人员进行专业培训，并借助地理坐标等辅助信息进行交叉校验，这一过程耗时耗力且成本高昂。

常用场景

经典使用场景

在遥感图像分析领域，SISP数据集为细粒度船舶实例分割任务提供了关键支撑。该数据集通过提供高分辨率全色卫星图像，涵盖了沿海城市、岛屿、近海、湖泊与河流等多种真实场景，其标注包含四类细粒度船舶类别（民用船、辅助船、平台与军用船），并具备像素级多边形标注。这使得SISP成为评估与开发实例分割模型的理想测试平台，尤其在处理目标尺度差异大、类别不平衡以及高类间相似性与类内多样性等复杂卫星场景特征时展现出独特价值。

衍生相关工作

围绕SISP数据集，研究者已开展多项创新性工作。原始论文提出的动态特征精化辅助实例分割网络（DFRInst）作为基准方法，通过动态特征精化模块增强了关键特征的显式表示。后续研究在此基础上，结合Transformer架构与多尺度特征融合策略，衍生出如基于Swin Transformer的改进模型、注意力机制增强的实例分割方法等。这些工作不仅提升了船舶分割的精度与鲁棒性，也为遥感图像实例分割领域提供了新的技术思路与评估标准。

数据集最近研究

最新研究方向

在遥感影像分析领域，SISP数据集的推出标志着细粒度船舶实例分割研究迈入新阶段。该数据集凭借其全色卫星影像的高分辨率特性，以及涵盖民用船舶、辅助船舶、平台和军用船舶的四类细粒度标注，为复杂海面场景下的目标识别提供了精准的像素级定位基准。当前研究前沿聚焦于如何应对数据集中存在的高类别不平衡、目标尺度与密度的大幅变异，以及类间相似性与类内多样性等挑战。学者们正探索动态特征优化网络（如DFRInst）等新型架构，通过增强关键特征的显式表示，提升在真实卫星场景下的分割鲁棒性。这一进展不仅推动了海事监控与海洋交通管理的智能化应用，也为遥感影像实例分割算法的实际部署奠定了重要基础。

相关研究论文

• SISP: A Benchmark Dataset for Fine-grained Ship Instance Segmentation in Panchromatic Satellite Images

  中国科学院 · 2024年