MSTAR (1996)
Es gab viele Einführungen im Internet.
Als allgemeine Bibliothek für die Forschung zur automatischen Zielerkennung von SAR-Bildern (SAR ATR) wird die MSTAR-Datenbank von vielen Wissenschaftlern häufig verwendet. Die experimentellen Daten verwenden die tatsächlichen SAR-Bodenstationärzieldaten, die vom MSTAR-Programm veröffentlicht wurden, das von der US Defense Advanced Research Projects Agency (DARPA) unterstützt wird. Ob national oder international, die Forschung zur SAR-Bildzielerkennung basiert im Wesentlichen auf diesem Datensatz .Erweitert. Der zum Sammeln dieses Datensatzes verwendete Sensor ist ein hochauflösendes Scheinwerferradar mit synthetischer Apertur mit einer Auflösung von 0,3 m × 0,3 m . Beim Arbeiten im X-Band ist die verwendete Polarisation die HH-Polarisation . Die gesammelten Daten werden vorverarbeitet und daraus ein Schnittbild mit einer Pixelgröße von 128 × 128 mit verschiedenen Zielen extrahiert. Die meisten Daten sind SAR-Schnittbilder von stehenden Fahrzeugen, einschließlich Zielbildern, die von verschiedenen Fahrzeugzielen unter verschiedenen Azimutwinkeln erfasst wurden.
Quelle: Zusammenfassung des MSTAR-Radardatensatzes
OpenSARShip (2017)
Downloadadresse: http://opensar.sjtu.edu.cn/
OpenSAR ist eine offene SAR-Bildverwaltungs- und -verarbeitungsplattform, die vom Advanced Sensing Technology Center (AST) der Shanghai Jiaotong University entwickelt wurde und zum Lesen, Verarbeiten, Visualisieren und Testen von Algorithmen von SAR-Bildern verwendet wird. SAR-Bildverwaltung und Algorithmustests sind die Hauptaufgaben von OpenSAR.
OpenSAR unterstützt den Import verschiedener SAR-Datenquellen wie TerraSAR-X, RADARSAT 1/2, COSMO-SkyMed usw. Benutzer können SAR-Bilddaten über diese Plattform suchen und anzeigen. OpenSAR unterstützt die Registrierung verschiedener Algorithmen wie Bildentrauschung, Szenenklassifizierung, Objekterkennung, Objekterkennung, Änderungserkennung usw. Benutzer können diese Algorithmen über die Plattform suchen, konfigurieren und ausführen, und den Benutzern wird auch ein vollständiger Testbericht zur Verfügung gestellt.
Hochauflösender SAR-Schiffserkennungsdatensatz (2019)
Hochauflösender SAR-Schiffserkennungsdatensatz-1.0
Sun Xian, Wang Zhirui, Sun Yuanrui, et al. AIR-SARShip-1.0: High Resolution SAR Ship Detection Dataset[J] Journal of Radar, wird veröffentlicht. doi: 10.12000/JR19097
Download-Link: https://radars.ac.cn/web/data/getData?newsColumnId=abd5c1b2-fe65-47f7-8ebf-990273a91a48
Der hochauflösende SAR-Schiffserkennungsdatensatz 1.0 (AIR-SARShip-1.0) veröffentlichte den ersten Stapel von 31 Bildern, die Bildauflösung umfasst 1 m und 3 m, der Bildgebungsmodus umfasst Scheinwerfer und Streifen und die Polarisationsmethode ist Monopol Die Szene Zu den Arten gehören Häfen, Inseln und Riffe sowie Meeresoberflächen mit unterschiedlichen Meeresbedingungen.Die Ziele umfassen fast tausend Schiffe aus mehr als zehn Kategorien wie Transportschiffe, Öltanker und Fischerboote.
Die Bildgröße beträgt etwa 3000 × 3000 Pixel und das Bildformat ist Tiff, Einzelkanal und 8/16-Bit-Bildtiefe. Die Anmerkungsdatei enthält die Längen- und Breitenabmessungen des entsprechenden Bildes, die Kategorie des Anmerkungsziels, und die Position des Anmerkungsrechtecks.
Hochauflösender SAR-Schiffserkennungsdatensatz-2.0
Sun Xian, Wang Zhirui, Sun Yuanrui, et al. AIR-SARShip-1.0: High Resolution SAR Ship Detection Dataset[J] Journal of Radar, 2019, 8(6): 852–862.doi: 10.12000/JR19097
Downloadadresse: https://radars.ac.cn/web/data/getData?newsColumnId=1e6ecbcc-266d-432c-9c8a-0b9a922b5e85
Der hochauflösende SAR-Schiffserkennungsdatensatz 2.0 (AIR-SARShip-2.0) gibt 300 Bilder frei, die Bildauflösung umfasst 1 m und 3 m, der Bildgebungsmodus umfasst Scheinwerfer und Streifen und der Polarisationsmodus ist Einzelpolarisation VV, und die Szenentypen umfassen Häfen, Inseln und Riffe sowie Meeresoberflächen mit unterschiedlichen Meeresbedingungen.Die Ziele umfassen mehr als zehn Arten von Tausenden von Schiffen wie Transportschiffe, Öltanker und Fischerboote.
Die Bildgröße beträgt etwa 1000 × 1000 Pixel, und das Bildformat ist Tiff, Einzelkanal, 8/16-Bit-Bildtiefe.Die Anmerkungsdatei enthält die Längen- und Breitenabmessungen des entsprechenden Bildes, die Kategorie des Anmerkungsziels und die Position des Beschriftungsrechtecks.
SSDD/SSD+ (2020)
Im Datensatz SSDD gibt es insgesamt 1160 Bilder und 2456 Schiffe mit durchschnittlich 2,12 Schiffen pro Bild, und der Datensatz wird weiter wachsen. Verglichen mit dem PASCAL VOC-Datensatz mit 20 Arten von Zielen hat SSDD weniger Bilder, aber die Kategorie ist nur Schiffe, sodass es ausreicht, das Erkennungsmodell zu trainieren.
Verglichen mit den SSDD-Daten ändert der SSDD+-Datensatz den vertikalen Rahmen in einen gedrehten Rahmen, der die Richtungsschätzung des Ziels realisieren kann, während die Erkennungsaufgabe abgeschlossen wird.
RSDD-SAR: SAR-Schiffsschrägrahmen-Erkennungsdatensatz (2022)
Xu Cong'an, Su Hang, Li Jianwei, et al. RSDD-SAR: SAR Ship Slant Frame Detection Dataset [J] Journal of Radar, wird veröffentlicht. doi: 10.12000/JR22007.
RSDD-SAR: SAR-Schiffsschrägrahmen-Erkennungsdatensatz
[Neueste Errungenschaft] RSDD-SAR: SAR Ship Slant Frame Detection Dataset (Video)
Unter der Leitung von Akademiker He You, Professor Xiong Wei und Professor Liu Yu konstruierte das Team von außerordentlichem Professor Xu Cong'an von der Naval Aeronautical University den SAR-Schiffs-Schrägrahmenerkennungsdatensatz RSDD-SAR, der Datensatz besteht aus 84 Szenen Gaofen-3-Daten, 41 Szenen von TerraSAR-X-Datenscheiben und 2 Szenen von ungeschnittenen großen Bildern, insgesamt 127 Datenszenen, einschließlich mehrerer Bildgebungsmodi, mehrerer Polarisationsmethoden und mehrerer Auflösungen. Es gibt 7000 Scheiben und 10263 Schiffsinstanzen . Darüber hinaus werden durch Experimente und Analysen mehrerer häufig verwendeter optischer Fernerkundungsalgorithmen zur Erkennung von Schrägrahmen von Bildern und Algorithmen zur Erkennung von Schrägrahmen von SAR-Schiffen Benchmark-Indikatoren als Referenz für relevante Wissenschaftler gebildet.
HRSID (2020)
Download-Adresse: https://github.com/chaozhong2010/HRSID
Dieser Datensatz wurde im Januar 2020 von Su Hao von der University of Electronic Science and Technology of China veröffentlicht. HRSID ist ein Datensatz für Aufgaben zur Schiffserkennung, semantischen Segmentierung und Instanzsegmentierung in hochauflösenden Sar-Bildern. Der Datensatz enthält insgesamt 5604 hochauflösende SAR-Bilder und 16951 Schiffsinstanzen. Der ISSID-Datensatz stützt sich auf den Konstruktionsprozess des Microsoft Common Objects in Context (COCO)-Datensatzes, einschließlich SAR-Bilder mit unterschiedlichen Auflösungen, Polarisationen, Seegang, Seegebieten und Küstenhäfen. Dieser Datensatz dient als Benchmark, an dem die Forscher ihre Methoden bewerten. Für HRSID sind die Auflösungen von SAR-Bildern: 0,5 m, 1 m, 3 m.
SAR-Ship-Dataset SAR-Schiffsscheibendatensatz mit mehreren Quellen und mehreren Maßstäben
Referenz: Ein SAR-Datensatz zur Schiffserkennung für Deep Learning unter komplexen Hintergründen
Wang Y, Wang C, Zhang H, et al. Ein SAR-Datensatz zur Schiffserkennung für Deep Learning unter komplexen Hintergründen[J]. Fernerkundung, 2019, 11(7): 765. doi: 10.3390/rs11070765
Downloadadresse: https://radars.ac.cn/web/data/getData?dataType=SARGroundObjectsTypes
https://github.com/CAESAR-Radi/SAR-Ship-Dataset
Dieser Datensatz umfasst fast 40.000 Segmente der SAR-Schiffserkennung und verwendet Daten des inländischen Gaofen-3-Satelliten und des ESA-Satelliten Sentinel-1. Die Bildauflösung umfasst 1,7 m bis 25 m, die Polarisationsmodi umfassen HH, HV, VH und VV, die Bildgebungsmodi umfassen den ultrafeinen Streifenmodus, den feinen Streifenmodus, den vollständig polarisierten Streifenmodus, den Streifenscanmodus und den Interferenzbreiten-Amplitudenmodus. Detaillierte Parameter werden angezeigt in Tabelle 1. Die Datensatzszenarien umfassen Häfen, Küstennähe, Inseln und offene Meere, und die Typen umfassen verschiedene übliche Schiffsziele wie Öltanker, Massengutfrachter, große Containerschiffe und Fischerboote.
Die Schnittgröße beträgt 256 × 256 Pixel, und das Format ist ein Dreikanal-Graustufenbild, 24-Bit-Tiefe JPG. Die Anmerkungsdatei ist im TXT-Format, wobei ein Ziel in einer Zeile markiert ist und jeweils den Schiffstyp, die normalisierte Schiffsmittelpunktposition (Spalten-, Zeilenbeschriftung), die normalisierte Schiffsbreite und die normalisierte Schiffslänge gemäß Yolo-Serie, PolarMask, Format aufzeichnet Anforderungen für Mainstream-Erkennungsnetzwerke wie SSD und Faster-RCNN.
FUSAR-Datensatz
Xiyue HOU, Wei AO, Qian SONG, Jian LAI, Haipeng WANG, Feng XU FUSAR-Ship: Aufbau eines hochauflösenden SAR-AIS-Matchup-Datensatzes von Gaofen-3 zur Schiffserkennung und -erkennung[J].Science China (Information Sciences ), 2020, 63(04):40-58.
Downloadadresse: https://radars.ac.cn/web/data/getData?dataType=FUSAR
Der hochauflösende Schiffsdatensatz von FUSARShip enthält 15 Schiffshauptkategorien, 98 Unterkategorien und viele Meeresobjekte, die keine Schiffsobjekte sind. Die Datenscheiben stammen von 126 originalen GF-3-Fernerkundungsbildern, der Polarisationsmodus umfasst DH und DV, die Auflösung beträgt 1,124 m × 1,728 m und der Bildgebungsmodus ist der UFS-Modus, der verschiedene Meere, Länder, Küsten, Flüsse und abdeckt Inseln Szenen.
Dieser Datensatz hat 16144 Slices angesammelt, darunter 6252 Schiffe, die mit AIS-Informationen übereinstimmen, 2045 starke Fehlalarme wie helle Flecken, die Schiffen ähneln, 1461 Brücken und Küsten, 1010 Küstengebiete und Inseln und 1967 komplexe Seeechos, 1.785 für gewöhnliches Meer und 1.624 für Land, geeignet für Schiffserkennung und -erkennung in komplexer See.
Groß angelegter mehrklassiger SAR-Zielerkennungsdatensatz-1.0
Jie Chen, Zhixiang Huang, Runfan Xia, Bocai Wu, Lei Sheng, Long Sun und Baidong Yao, Large-scale multi-class SAR image target detection dataset-1.0[OL], Journal of Radars, 2022.
Downloadadresse: https://radars.ac.cn/web/data/getData?dataType=MSAR
Der groß angelegte Multiklassen-SAR-Zielerkennungsdatensatz 1.0 (MSAR-1.0) umfasst insgesamt 28.449 Detektionsschnitte, wobei die Daten der Satelliten Haisi-1 und Gaofen-3 verwendet werden.
Die Polarisationsmodi des MSAR-1.0-Datensatzes umfassen HH, HV, VH und VV. Die Datensatzszenarien umfassen Flughäfen, Häfen, Küstengebiete, Inseln, offene Meere, städtische Gebiete usw. Zu den Typen gehören vier Arten von Zielen: Flugzeuge, Öltanks, Brücken und Schiffe, bestehend aus 1.851 Brücken, 39.858 Schiffen, 12.319 Öl Panzer und 6.368 Flugzeugkompositionen.
SAR-ACD-Datensatz
(Wie im wissenschaftlichen Bericht von "Journal of Radar" vor einiger Zeit erwähnt, ist nicht klar, ob es sich um Open Source handelt)
SADD-Datensatz
Download-Link: https://github.com/hust-rslab/SAR-aircraft-data