LC922/US_Navy_Ship_Segmentation_Dataset

# 美军舰船语义分割数据集 (US Navy Ship Segmentation Dataset)（USNSSD）

[](https://creativecommons.org/licenses/by-nc/4.0/)



## 📖 项目介绍

本项目提供了一个高精度的**美国海军舰船语义/实例分割数据集**。与传统的矩形框检测不同，本数据集提供了像素级的轮廓标注，能够更准确地分离舰船与背景（如海面、天空）；同时大部分图片选取了相对较低的视角，以满足特殊场景的需要。

该数据集适用于：

- **美军舰船识别与轮廓提取**
- **USV/UUV 视觉导航与避障**
- **合成孔径雷达 (SAR) 与光学图像的融合研究**

## 📊 数据集统计

- **图像总量：** 1496张
- **标注实例：** 1539个多边形
- **标注格式：** MS COCO 格式 (`.json`)

### 🏷️ 类别映射 (Category Mapping)

| 类别 ID | 英文名称 | 中文名称 | 数量 |
| ------- | ------------------- | ------------ | ---- |
| `0` | Nimitz class | 尼米兹级 | 240 |
| `1` | Ford class | 福特级 | 73 |
| `2` | Arleigh Burke class | 阿利伯克级 | 277 |
| `3` | Freedom class | 自由级 | 109 |
| `4` | Independence class | 独立级 | 141 |
| `5` | Ticonderoga class | 提康德罗加级 | 230 |
| `6` | San Antonio class | 圣安东尼奥级 | 273 |
| `7` | Wasp class | 黄蜂级 | 101 |
| `8` | Zumwalt class | 朱姆沃特级 | 40 |
| `9` | America class | 美国级 | 55 |


## 📂 目录结构 (COCO 格式)

本数据集遵循标准的 **COCO 2017** 目录结构，方便直接使用 `pycocotools` 或 `MMDetection` 加载。

```Plain
USNSD_COCO/
├── images/
│ ├── train2017/ # 训练集原图
│ └── val2017/ # 验证集原图
├── annotations/
│ ├── instances_train2017.json # 训练集标注
│ └── instances_val2017.json # 验证集标注
└── README.md
```

## 📜 License / 许可协议

This dataset is licensed under the [Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0)](https://creativecommons.org/licenses/by-nc/4.0/).

**Summary in Plain English:**

1. **You are free to:** Share and Adapt the data.
2. **Under the following terms:**
1. **Attribution:** You must give appropriate credit to the author (cite this repository).
2. **NonCommercial:** You may not use this material for commercial purposes.

**中文简述：**

本数据集遵循 [CC BY-NC 4.0 协议](https://creativecommons.org/licenses/by-nc/4.0/)。

您可以自由地分享、修改和使用本数据集，但必须遵守以下条件：

1. **署名：** 在您的文章或项目中引用本项目。
2. **非商业使用：** 严禁将本数据集用于任何商业用途（如售卖、商业模型训练等）。

# 美军舰船语义分割数据集（US Navy Ship Segmentation Dataset，缩写USNSSD）

[](https://creativecommons.org/licenses/by-nc/4.0/)



## 📖 项目介绍
本项目构建了一款高精度的**美国海军舰船语义/实例分割数据集**。相较于传统的矩形框目标检测，本数据集提供了像素级轮廓标注，可实现舰船与背景（海面、天空等）的精准分离；同时绝大多数图像采用低视角拍摄，以适配特定场景需求。

本数据集适用场景如下：
- **美军舰船识别与轮廓提取**
- **无人水面艇（Unmanned Surface Vehicle, USV）/无人水下航行器（Unmanned Underwater Vehicle, UUV）视觉导航与避障**
- **合成孔径雷达（SAR）与光学图像融合研究**

## 📊 数据集统计
- **图像总数量：** 1496张
- **标注实例数：** 1539个多边形标注
- **标注格式：** MS COCO格式（`.json`）

### 🏷️ 类别映射（Category Mapping）
| 类别ID | 英文名称 | 中文名称 | 数量 |
| ------- | ------------------- | ------------ | ---- |
| `0` | Nimitz class | 尼米兹级 | 240 |
| `1` | Ford class | 福特级 | 73 |
| `2` | Arleigh Burke class | 阿利·伯克级 | 277 |
| `3` | Freedom class | 自由级 | 109 |
| `4` | Independence class | 独立级 | 141 |
| `5` | Ticonderoga class | 提康德罗加级 | 230 |
| `6` | San Antonio class | 圣安东尼奥级 | 273 |
| `7` | Wasp class | 黄蜂级 | 101 |
| `8` | Zumwalt class | 朱姆沃尔特级 | 40 |
| `9` | America class | 美国级 | 55 |


## 📂 目录结构（COCO格式）
本数据集采用标准**COCO 2017**目录结构，可直接通过`pycocotools`或`MMDetection`进行加载。
Plain
USNSD_COCO/
├── images/
│ ├── train2017/ # 训练集原图
│ └── val2017/ # 验证集原图
├── annotations/
│ ├── instances_train2017.json # 训练集标注
│ └── instances_val2017.json # 验证集标注
└── README.md

## 📜 许可协议
本数据集采用[知识共享署名-非商业性使用4.0国际许可协议（CC BY-NC 4.0）](https://creativecommons.org/licenses/by-nc/4.0/)进行授权。

**通俗说明：**
1. **您可自由操作：** 共享、改编本数据集。
2. **需遵守以下条款：**
1. **署名要求：** 您需为原作者提供适当署名（引用本仓库）。
2. **非商业使用：** 您不得将本数据集用于商业用途。

**中文简述：**
本数据集遵循[CC BY-NC 4.0协议](https://creativecommons.org/licenses/by-nc/4.0/)。
您可自由共享、修改并使用本数据集，但需遵守以下条件：
1. **署名：** 在您的文章或项目中引用本项目。
2. **非商业使用：** 严禁将本数据集用于任何商业用途（如售卖、商用模型训练等）。