AIR-SARShip-1.0：高分辨率SAR舰船检测数据集

被引：73

作者：

孙显 ^{[1
,2
,3
]}

王智睿 ^{[1
,3
]}

孙元睿 ^{[1
,2
]}

刁文辉 ^{[1
,3
]}

张跃 ^{[1
,3
]}

付琨 ^{[1
,2
,3
]}

机构：

[1] 中国科学院空天信息创新研究院北京

[2] 中国科学院大学

[3] 中国科学院网络信息体系技术科技创新重点实验室

来源：

雷达学报 | 2019年 / 8卷 / 06期

关键词：

SAR舰船检测; 公开数据集; 深度学习;

D O I：

暂无

中图分类号：

U675.79 [新技术在航海上的应用]; TN957.52 [数据、图像处理及录取]; TP18 [人工智能理论];

学科分类号：

081105 ; 080904 ; 0810 ; 081001 ; 081002 ; 0825 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

近年来,深度学习技术得到广泛应用,然而在合成孔径雷达(SAR)舰船目标检测研究中,由于数据获取难、样本规模小,尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集,该数据集包含31景高分三号SAR图像,场景类型包含港口、岛礁、不同级别海况的海面等,背景涵盖近岸和远海等多样场景。同时,该文使用经典舰船检测算法和深度学习算法进行了实验,其中基于密集连接端到端网络方法效果最佳,平均精度达到88.1%。通过实验对比分析形成指标基准,方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。

引用

页码：852 / 862

页数：11

共 4 条

[1] 高分三号卫星总体设计与关键技术 [J].