Hybrid Optical and Synthetic Aperture Radar (SAR) Ship Re-Identification Dataset (HOSS ReID dataset)

HOSS ReID数据集是一个混合光学和合成孔径雷达（SAR）的船只再识别数据集，旨在评估使用低地球轨道的混合光学和SAR传感器星座进行船只跟踪的有效性。该数据集由13个图像序列组成，包含18张SAR图像和25张光学图像，总计43帧。数据集中的图像已经过几何校正和辐射校正，但未使用数字高程模型（DEM）进行正射校正。光学图像的地面采样距离（GSD）为0.75米，而SAR图像的GSD为1米。数据集分为训练集和验证集，并包含163个干扰对象，以增强数据集的复杂性和模拟现实世界场景。The HOSS ReID Dataset is a vessel re-identification dataset combining optical and Synthetic Aperture Radar (SAR) data, which aims to evaluate the effectiveness of vessel tracking using a constellation of mixed optical and SAR sensors in Low Earth Orbit (LEO). This dataset comprises 13 image sequences, containing 18 SAR images and 25 optical images, with a total of 43 frames. All images in the dataset have undergone geometric and radiometric corrections, but no orthorectification using a Digital Elevation Model (DEM) has been applied. The Ground Sampling Distance (GSD) of optical images is 0.75 meters, while that of SAR images is 1 meter. The dataset is split into training and validation sets, and includes 163 distractor objects to enhance the complexity of the dataset and simulate real-world scenarios.

原始信息汇总

HOSS ReID数据集概述

数据集简介

• 名称：HOSS ReID数据集（Hybrid Optical and Synthetic Aperture Radar Ship Re-Identification Dataset）
• 用途：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

数据集内容

• 数据模态：光学和合成孔径雷达（SAR）图像

• 数据获取方式：通过不同卫星在不同时间、角度和条件下拍摄同一船舶的图像

• 数据存储结构：

  data └── HOSS └── bounding_box_test ..

数据集优势

• 缩短重成像周期
• 实现全天候跟踪
• 适用于实际船舶跟踪需求

数据集获取

• 公开获取地址：https://zenodo.org/records/15751352

相关研究

• 配套方法：TransOSS（基于Vision Transformer架构的跨模态船舶重识别方法）
• 论文地址：https://arxiv.org/abs/2506.22027

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

在遥感图像领域，跨模态船舶再识别技术对于实现全天候、全天时的海上目标跟踪具有重要意义。HOSS ReID数据集的构建采用了创新的卫星编程成像技术，通过协调吉林一号光学星座和TY-MINISAR雷达星座，实现了对同一船舶的多时相、多角度、多模态成像。研究团队重点针对港口、运河等高密度区域进行成像，采用几何校正和辐射校正等预处理方法，最终构建了包含13个图像序列、1832张图像的标注数据集，其中光学图像分辨率达0.75米，SAR图像分辨率达1米。

特点

该数据集作为首个光学-SAR跨模态船舶再识别基准，具有显著的模态差异性挑战。数据集包含3通道8位RGB光学图像和32位浮点SAR图像，完整保留了两种成像模态的物理特性差异。特别设计的干扰项设置包含163个非查询目标，有效模拟了实际场景中的复杂检索环境。数据集采用Market-1501标准格式组织，每个样本包含船舶ID、序列ID、卫星ID和模态类型等元信息，为跨模态特征对齐研究提供了丰富的信息维度。

使用方法

该数据集支持端到端的跨模态船舶再识别算法开发与评估。使用时可按照标准训练集（1063张）、查询集（176张）和候选集（593张）划分进行模型训练与测试，其中查询集包含等比例的光学和SAR图像。评估指标采用再识别领域通用的CMC曲线和mAP值，特别设计了光学到SAR和SAR到光学两种跨模态检索场景。配套提出的TransOSS基线方法通过双分支标记器、模态信息嵌入等创新设计，为研究者提供了有效的跨模态特征学习框架。

背景与挑战

背景概述

HOSS ReID数据集由中国科学院空间应用工程与技术中心的研究团队于2025年提出，旨在解决遥感领域中跨模态船舶再识别问题。该数据集整合了光学与合成孔径雷达（SAR）两种模态的卫星图像，通过低地球轨道卫星星座实现全天候、高时空分辨率的船舶追踪。其创新性在于首次构建了跨模态船舶图像关联基准，为海事搜救、执法监管等关键应用提供了技术支撑，填补了传统单模态遥感在复杂气象条件下跟踪能力不足的空白。

当前挑战

该数据集面临的核心挑战体现在两方面：领域问题方面，光学与SAR图像存在显著成像差异（如光学图像依赖被动反射而SAR依赖主动电磁波散射），导致跨模态特征对齐困难；构建过程方面，需协调多卫星星座的成像时间窗口，克服船舶动态移动、高成本编程成像以及气象条件制约等难题，最终通过锚泊船舶集中采样策略完成数据采集。

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任务提供了标准化评估基准。该数据集通过整合低轨光学与合成孔径雷达卫星的异构影像，构建了包含同一船舶在不同时间、角度及成像模态下的多源图像序列，为研究全天候、跨传感器条件下的目标关联问题提供了关键数据支撑。其典型应用场景包括海事监管部门对特定船舶的持续追踪，通过光学与SAR影像的互补特性克服单一传感器在夜间或恶劣天气下的观测局限。

实际应用

在实战场景中，该数据集支撑的海事监控系统可实现非合作目标的广域持续追踪。通过融合吉林一号光学星座与天仪miniSAR星座的观测数据，系统能在云层覆盖或夜间环境下保持监测连续性。这种技术已应用于苏伊士运河等关键航道，辅助完成船舶行为分析、非法捕捞监管等任务，显著提升海上态势感知能力。

衍生相关工作

基于该数据集提出的TransOSS方法衍生出多项创新研究，包括双头令牌化器的模态特征解耦架构、船舶尺寸嵌入的物理先验融合策略等。其对比学习预训练框架被扩展应用于多光谱-SAR跨模态匹配，启发了后续研究如《IEEE TGRS》2026年发表的船舶属性预测网络。数据集还促进了可见光-红外与光学-SAR跨模态研究的范式迁移。