SAR-Ship-Dataset|卫星图像数据集|船舶检测数据集

该数据集由102张中国高分三号卫星图像和108张Sentinel-1卫星图像创建，包含39,729个船舶切片，每个切片尺寸为256像素，适用于多尺度和小型物体检测。数据集主要用于开发复杂背景下的深度学习船舶检测器。

This dataset is created from 102 images captured by the Chinese Gaofen-3 satellite and 108 images from the Sentinel-1 satellite, comprising 39,729 ship slices, each with a size of 256 pixels, suitable for multi-scale and small object detection. The dataset is primarily used for developing deep learning-based ship detectors in complex backgrounds.

原始信息汇总

数据集概述

数据集名称

SAR-Ship-Dataset

数据集内容

• 图像来源：102张中国高分三号（Gaofen-3）图像和108张Sentinel-1图像。
• 数据量：包含39,729个船舶芯片，每个芯片大小为256像素（范围和方位）。
• 标签格式：每个标签文件为.txt格式，每行代表一个船舶，包含五个数值：船舶类别、船舶中心在芯片中的归一化列值、船舶中心在芯片中的归一化行值、船舶宽度归一化值、船舶长度归一化值。
• 船舶类别：目前所有船舶标记为同一类别。

数据集用途

用于开发多尺度和小目标检测的对象检测器。

引用信息

@Article{rs11070765, AUTHOR = {Wang, Yuanyuan and Wang, Chao and Zhang, Hong and Dong, Yingbo and Wei, Sisi}, TITLE = {A SAR Dataset of Ship Detection for Deep Learning under Complex Backgrounds}, JOURNAL = {Remote Sensing}, VOLUME = {11}, YEAR = {2019}, NUMBER = {7}, ARTICLE-NUMBER = {765}, DOI = {10.3390/rs11070765} }

下载方式

由于数据集较大，需使用Git LFS通过命令git lfs clone https://github.com/CAESAR-Radi/SAR-Ship-Dataset.git进行下载。注意，LFS带宽可能会在当前月份耗尽，需等待下个月重置。

AI搜集汇总

数据集介绍

构建方式

在合成孔径雷达（SAR）图像分析领域，SAR-Ship-Dataset的构建基于102幅中国高分三号（Gaofen-3）图像和108幅哨兵一号（Sentinel-1）图像。通过专业的SAR专家团队，对这些图像中的船舶进行了详细的标注，包括船舶的类别、中心位置、宽度和长度等参数，均进行了归一化处理。最终，该数据集包含了39,729个船舶切片，每个切片均为256像素，涵盖了多种尺度和背景的船舶，旨在支持多尺度和小目标检测的研究。

特点

SAR-Ship-Dataset的显著特点在于其大规模和多样性。该数据集不仅包含了39,729个船舶切片，且这些切片来自不同的卫星图像，具有丰富的背景和尺度变化。此外，所有船舶均被标注为同一类别，简化了分类任务，使得数据集更专注于检测任务。数据集的构建过程中，还特别注意了重复切片和边界框错误的问题，确保了数据的高质量和一致性。

使用方法

使用SAR-Ship-Dataset时，用户需先安装Git LFS服务，并通过命令行工具如'git lfs clone https://github.com/CAESAR-Radi/SAR-Ship-Dataset.git'进行数据集的下载。数据集的标签文件以.txt格式存储，每行代表一个船舶，包含五个归一化后的数值，分别对应船舶的类别、中心位置、宽度和长度。用户可根据这些信息进行目标检测模型的训练和评估，特别适用于多尺度和复杂背景下的船舶检测任务。

背景与挑战

背景概述

SAR-Ship-Dataset是由中国的高分三号卫星和欧洲的哨兵一号卫星提供的合成孔径雷达（SAR）图像构建的，主要研究人员包括王媛媛、王超、张红、董英博和魏思思。该数据集创建于2019年，包含39,729个船只芯片，每个芯片的尺寸为256像素，涵盖了多种尺度和复杂背景的船只。该数据集的核心研究问题是如何在复杂背景下利用深度学习技术进行船只检测，这一研究对遥感图像处理和海洋监测领域具有重要影响。

当前挑战

SAR-Ship-Dataset在构建过程中面临多重挑战。首先，数据集的规模庞大，导致下载和存储成为技术难题，需要使用LFS服务进行管理。其次，船只检测在复杂背景下的准确性是一个主要挑战，尤其是在多尺度和小目标检测方面。此外，数据集的标注工作由SAR专家完成，确保了标注的准确性，但也增加了数据集构建的复杂性和成本。

常用场景

经典使用场景

在合成孔径雷达（SAR）图像处理领域，SAR-Ship-Dataset 数据集被广泛用于开发和验证多尺度及小目标检测算法。该数据集包含39,729个标注的船只图像片段，每个片段均为256像素的正方形，涵盖了多种尺度和复杂背景。通过这些数据，研究人员能够训练和测试深度学习模型，以实现对SAR图像中船只的高效检测和分类。

实际应用

在实际应用中，SAR-Ship-Dataset 数据集被用于海洋监测、军事侦察和海上交通管理等领域。通过训练出的高效检测模型，可以实时监控海上船只的动态，提高海上安全性和管理效率。此外，该数据集的应用还扩展到了灾害响应和环境保护中，帮助快速定位受灾区域内的船只，为救援行动提供支持。

衍生相关工作

基于 SAR-Ship-Dataset 数据集，许多相关研究工作得以展开。例如，Wang 等人在2019年发表的研究中，利用该数据集开发了一种新的深度学习模型，显著提高了船只检测的准确率。此外，该数据集还被用于验证多种先进的图像处理算法，如多尺度特征融合和背景噪声抑制技术，进一步推动了SAR图像处理领域的技术进步。