FGSD

FGSD是一个用于高分辨率卫星图像中细粒度船舶检测的数据集，由北京邮电大学的模式识别与智能系统实验室创建。该数据集收集了来自全球多个大型港口的高分辨率遥感图像，包含5634个精细分类并标注的船舶样本。数据集的创建过程中，采用了多分辨率图像收集和多样化的标注方法，包括水平和旋转边界框。FGSD的应用领域主要集中在海上管理和贸易评估等方面，旨在通过提供全面和精细的数据集来推动船舶检测技术的发展。FGSD is a dataset for fine-grained ship detection in high-resolution satellite imagery, created by the Pattern Recognition and Intelligent System Laboratory of Beijing University of Posts and Telecommunications. This dataset collects high-resolution remote sensing images from multiple large ports across the globe, and contains 5634 finely classified and annotated ship samples. During the dataset construction process, multi-resolution image collection and diverse annotation methods were adopted, including horizontal and rotated bounding boxes. The application fields of FGSD mainly focus on maritime management, trade assessment and other related scenarios, aiming to promote the development of ship detection technologies by providing a comprehensive and fine-grained dataset.

搜集汇总

数据集介绍

构建方式

FGSD数据集的构建过程首先涉及对全球多个大型港口的高分辨率遥感图像的收集。这些图像涵盖了从0.12米到1.93米的不同像素分辨率，以确保样本的多样性。在数据清洗和样本标注后，从收集的图像中筛选并标注了2612张图像，其中包括5634个标注的船舶样本。数据集被划分为训练集、验证集和测试集，分别包含1917张、268张和427张图像，以及3964个、590个和1080个船舶样本。此外，数据集中还标注了一个新的类别——码头，共有1366个码头被标注。为了详细描述船舶的朝向信息，数据集提出了一个新的表示方法，即使用一个从船舶中心点到船头的向量来表示朝向。除了船舶样本，数据集中还提供了每张图像的详细信息，包括图像来源港口的ID、分辨率以及相应的Google Earth分辨率级别。

特点

FGSD数据集的特点在于其细粒度的船舶分类和标注。数据集包含了来自17个大型港口的船舶样本，并细分为43个类别。这些类别进一步分为4个二级类别，包括战舰、航空母舰、潜艇和民用船只。此外，数据集还引入了一个新的类别——码头。为了提高检测的准确性，数据集中的船舶样本同时使用了普通边界框和旋转边界框进行标注。这种标注方式考虑到了遥感图像中目标的独特俯视视角，有助于减少漏检并降低背景噪声。此外，数据集还提供了详细的图像信息，包括图像来源港口的ID、分辨率以及相应的Google Earth分辨率级别。

使用方法

使用FGSD数据集进行船舶检测时，研究者可以采用两种任务：普通边界框检测和旋转边界框检测。这两种任务都需要预测图像中每个船舶样本的边界框和分类。普通边界框检测可以使用Faster R-CNN框架，而旋转边界框检测可以使用R2CNN框架。在训练过程中，研究者可以使用训练集和验证集来训练模型，并通过测试集来评估模型的性能。为了更好地理解数据集的分布和类别，研究者还可以参考数据集中提供的图像详细信息，包括图像来源港口的ID、分辨率以及相应的Google Earth分辨率级别。

背景与挑战

背景概述

在遥感图像中进行船舶检测，特别是使用高分辨率卫星图像，对于海洋表面监管具有重要意义。船舶检测在海洋管理和贸易估计等方面发挥着重要的支持作用。然而，现有的船舶检测数据集大多缺乏对船舶的精确分类和准确定位。为了推动船舶检测研究的进一步发展，FGSD数据集应运而生。FGSD收集了来自世界各地多个大型港口的高分辨率遥感图像中的船舶样本，并对这些样本进行了精细分类和标注。此外，FGSD还提供了一种新的船舶方向表示方法，并标注了码头作为新的类别。FGSD是目前最全面的船舶检测数据集之一，其丰富的信息为相关研究提供了有力的支持。

当前挑战

FGSD数据集在船舶检测领域面临着一些挑战。首先，船舶检测任务需要处理高分辨率遥感图像中的复杂背景和多方向角度，这对算法的鲁棒性提出了更高的要求。其次，FGSD数据集的构建过程中，如何保证样本的多样性和平衡性是一个挑战。最后，如何利用FGSD数据集进一步改进船舶检测算法，提高检测精度和分类准确性，是未来研究的重要方向。

常用场景

经典使用场景

在遥感图像中，船舶检测是一项关键任务，它对于海洋表面的监管至关重要。由于复杂背景和特殊的视觉角度，船舶检测在很大程度上依赖于高质量的数据集。FGSD数据集收集了来自世界多个大型港口的高分辨率遥感图像中的船舶样本，并对这些船舶样本进行了精细分类和标注，同时提供了水平和旋转边界框。此外，FGSD数据集还提出了一个新的船舶方向表示方法，并为未来的研究提供了码头作为一个新的类别。该数据集提供了丰富的图像信息，包括每个图像的源港口、分辨率以及相应的GoogleEarth分辨率级别。FGSD数据集是迄今为止最全面的船舶检测数据集，为船舶检测研究提供了宝贵的资源。

衍生相关工作

FGSD数据集的发布推动了船舶检测研究的发展，许多学者基于FGSD数据集进行了相关研究。例如，一些学者利用FGSD数据集对现有的船舶检测算法进行了改进，提高了船舶检测的准确性和效率。此外，一些学者还利用FGSD数据集进行了船舶检测算法的性能评估，为船舶检测算法的研究提供了重要的参考。

数据集最近研究

最新研究方向

基于高分辨率遥感图像的船舶检测是海洋管理、贸易评估等领域的重要任务。为了满足这一需求，研究人员开发了一个名为FGSD的细粒度船舶检测数据集。该数据集包含了来自全球多个大型港口的高分辨率遥感图像，并对其中的船舶样本进行了精细的分类和标注。与现有的船舶检测数据集相比，FGSD在船舶分类和定位方面更加精确，为船舶检测研究提供了重要的数据基础。此外，FGSD还标注了码头作为新的类别，为未来的研究提供了更多的可能性。随着船舶检测算法的不断发展和完善，FGSD数据集将有助于提高船舶检测的准确性和鲁棒性，为海洋管理和安全提供更有力的技术支持。

相关研究论文

• FGSD: A Dataset for Fine-Grained Ship Detection in High Resolution Satellite Images

  模式识别与智能系统实验室 · 2020年