MSTAR（1996）
Il y a eu de nombreuses introductions sur Internet.
En tant que bibliothèque générale pour la recherche sur la reconnaissance automatique de cibles par image SAR (SAR ATR), la base de données MSTAR est largement utilisée par de nombreux chercheurs. Les données expérimentales utilisent les données réelles des cibles stationnaires au sol SAR publiées par le programme MSTAR soutenu par la Defense Advanced Research Projects Agency (DARPA) des États-Unis.Qu'elle soit nationale ou internationale, la recherche sur la reconnaissance des cibles par image SAR est essentiellement basée sur cet ensemble de données. . Développé. Le capteur utilisé pour collecter cet ensemble de données est un radar à synthèse d'ouverture haute résolution avec une résolution de 0,3 m × 0,3 m . Travaillant en bande X , la polarisation utilisée est la polarisation HH . Un prétraitement est effectué sur les données collectées, et une image de tranche avec une taille de pixel de 128 × 128 comprenant diverses cibles en est extraite. La plupart des données sont des images de tranches SAR de véhicules à l'arrêt, y compris des images cibles acquises par diverses cibles de véhicules à divers angles d'azimut.
Source : Résumé de l'ensemble de données radar MSTAR
OpenSARShip (2017)
Adresse de téléchargement : http://opensar.sjtu.edu.cn/
OpenSAR est une plate-forme ouverte de gestion et de traitement d'images SAR développée par l'Advanced Sensing Technology Center (AST) de l'Université Jiaotong de Shanghai, qui est utilisée pour la lecture, le traitement, la visualisation et le test d'algorithmes d'images SAR. La gestion des images SAR et les tests d'algorithmes sont les principales tâches d'OpenSAR.
OpenSAR prend en charge l'importation de diverses sources de données SAR, telles que TerraSAR-X, RADARSAT 1/2, COSMO-SkyMed, etc. Les utilisateurs peuvent rechercher et afficher des données d'images SAR via cette plate-forme. OpenSAR prend en charge l'enregistrement de divers algorithmes tels que le débruitage d'images, la classification de scènes, la détection d'objets, la reconnaissance d'objets, la détection de changement, etc. Les utilisateurs peuvent rechercher, configurer et exécuter ces algorithmes via la plateforme, et un rapport de test complet sera également fourni aux utilisateurs.
Ensemble de données de détection de navires SAR haute résolution (2019)
Ensemble de données de détection de navires SAR haute résolution-1.0
Sun Xian, Wang Zhirui, Sun Yuanrui, et al. AIR-SARShip-1.0 : High Resolution SAR Ship Detection Dataset[J]. Journal of Radar, à paraître. doi : 10.12000/JR19097
Lien de téléchargement : https://radars.ac.cn/web/data/getData?newsColumnId=abd5c1b2-fe65-47f7-8ebf-990273a91a48
L'ensemble de données de détection de navires SAR haute résolution-1.0 (AIR-SARShip-1.0) a publié le premier lot de 31 images, la résolution d'image comprend 1 m et 3 m, le mode d'imagerie comprend un projecteur et une bande, et la méthode de polarisation est monopôle La scène les types incluent les ports, les îles et les récifs, et les surfaces marines avec différents niveaux de conditions de mer. Les cibles couvrent près d'un millier de navires de plus de dix catégories telles que les navires de transport, les pétroliers et les bateaux de pêche.
La taille de l'image est d'environ 3000 × 3000 pixels et le format d'image est Tiff, monocanal et profondeur d'image 8/16 bits. Le fichier d'annotation fournit les dimensions de longueur et de largeur de l'image correspondante, la catégorie de la cible d'annotation, et la position du rectangle d'annotation.
Ensemble de données de détection de navires SAR haute résolution-2.0
Sun Xian, Wang Zhirui, Sun Yuanrui, et al. AIR-SARShip-1.0 : Ensemble de données de détection de navires SAR à haute résolution[J]. Journal of Radar, 2019, 8(6) : 852–862. doi : 10.12000/JR19097
Adresse de téléchargement : https://radars.ac.cn/web/data/getData?newsColumnId=1e6ecbcc-266d-432c-9c8a-0b9a922b5e85
L'ensemble de données de détection de navires SAR haute résolution 2.0 (AIR-SARShip-2.0) publie 300 images, la résolution d'image comprend 1 m et 3 m, le mode d'imagerie comprend un projecteur et une bande, et le mode de polarisation est une polarisation simple. VV, et les types de scènes incluent les ports, les îles et les récifs, et les surfaces marines avec différents niveaux de conditions de mer. Les cibles couvrent plus de dix types de milliers de navires tels que les navires de transport, les pétroliers et les bateaux de pêche.
La taille de l'image est d'environ 1 000 × 1 000 pixels et le format d'image est Tiff, monocanal, profondeur d'image 8/16 bits. Le fichier d'annotation fournit les dimensions de longueur et de largeur de l'image correspondante, la catégorie de la cible d'annotation et la position du rectangle d'annotation.
SSDD/SSDD+ (2020)
Dans l'ensemble de données SSDD, il y a un total de 1160 images et 2456 navires, avec une moyenne de 2,12 navires par image, et l'ensemble de données continuera à s'étendre. Par rapport à l'ensemble de données PASCAL VOC avec 20 types de cibles, SSDD a moins d'images, mais la catégorie ne concerne que les navires, il suffit donc de former le modèle de détection.
Par rapport aux données SSDD, l'ensemble de données SSDD+ change le cadre vertical en un cadre pivoté, qui peut réaliser l'estimation de la direction de la cible tout en complétant la tâche de détection.
RSDD-SAR : ensemble de données de détection de trame oblique de navire SAR (2022)
Xu Cong'an, Su Hang, Li Jianwei, et al. RSDD-SAR : SAR Ship Slant Frame Detection Dataset[J]. Journal of Radar, à paraître. doi : 10.12000/JR22007.
RSDD-SAR : ensemble de données de détection de trame oblique de navire SAR
Sous la direction de l'académicien He You, du professeur Xiong Wei et du professeur Liu Yu, l'équipe du professeur agrégé Xu Cong'an de l'Université aéronautique navale a construit l'ensemble de données de détection de trame oblique du navire SAR RSDD- SAR, l'ensemble de données se compose de 84 scènes de Données Gaofen-3, 41 scènes de tranches de données TerraSAR-X et 2 scènes de grandes images non coupées, un total de 127 scènes de données, y compris plusieurs modes d'imagerie, plusieurs méthodes de polarisation et plusieurs résolutions Il y a 7000 tranches et 10263 instances de navire . En outre, grâce à des expériences et à l'analyse de plusieurs algorithmes de détection de cadre oblique d'image de télédétection optique couramment utilisés et d'algorithmes de détection de cadre oblique de navire SAR, des indicateurs de référence sont formés pour référence par les chercheurs concernés.
DRH (2020)
Adresse de téléchargement : https://github.com/chaozhong2010/HRSID
Cet ensemble de données a été publié par Su Hao de l'Université des sciences et technologies électroniques de Chine en janvier 2020. HRSID est un ensemble de données pour les tâches de détection de navires, de segmentation sémantique et de segmentation d'instance dans des images sar haute résolution. L'ensemble de données contient un total de 5604 images SAR haute résolution et 16951 instances de navires. L'ensemble de données ISSID s'appuie sur le processus de construction de l'ensemble de données Microsoft Common Objects in Context (COCO), y compris des images SAR de différentes résolutions, polarisation, état de la mer, zone maritime et ports côtiers. Cet ensemble de données sert de référence par rapport à laquelle les chercheurs évaluent leurs méthodes. Pour HRSID, les résolutions des images SAR sont : 0,5 m, 1 m, 3 m.
SAR-Ship-Dataset Ensemble de données de tranches de navires SAR multi-sources et multi-échelles
Wang Y, Wang C, Zhang H, et al. Un ensemble de données SAR de détection de navires pour l'apprentissage en profondeur dans des environnements complexes[J]. Télédétection, 2019, 11(7): 765. doi: 10.3390/rs11070765
Adresse de téléchargement : https://radars.ac.cn/web/data/getData?dataType=SARGroundObjectsTypes
https://github.com/CAESAR-Radi/SAR-Ship-Dataset
Cet ensemble de données comprend près de 40 000 tranches de détection de navires SAR et utilise les données du satellite domestique Gaofen-3 et du satellite ESA Sentinel-1. La résolution d'image couvre 1,7 m à 25 m, les modes de polarisation incluent HH, HV, VH et VV, les modes d'imagerie incluent le mode bande ultra-fine, le mode bande fine, le mode bande entièrement polarisée, le mode balayage de bande et la largeur d'interférence Mode amplitude, les paramètres détaillés sont affichés dans le tableau 1. Les scénarios d'ensemble de données incluent les ports, les côtes, les îles et les hautes mers, et les types incluent diverses cibles de navires courantes telles que les pétroliers, les vraquiers, les grands porte-conteneurs et les bateaux de pêche.
La taille de la tranche est de 256 × 256 pixels et le format est une image en niveaux de gris à trois canaux, JPG de profondeur 24 bits. Le fichier d'annotation est au format TXT, avec une cible marquée sur une ligne, enregistrant respectivement le type de navire, la position normalisée du centre du navire (colonne, étiquette de ligne), la largeur normalisée du navire et la longueur normalisée du navire, conformément à la série Yolo, PolarMask, Format exigences pour les réseaux de détection grand public tels que SSD et Faster-RCNN.
Ensemble de données FUSAR
Xiyue HOU, Wei AO, Qian SONG, Jian LAI, Haipeng WANG, Feng XU. FUSAR-Ship : création d'un ensemble de données de correspondance SAR-AIS haute résolution de Gaofen-3 pour la détection et la reconnaissance des navires[J].Science Chine (Sciences de l'information ), 2020, 63(04):40-58.
Adresse de téléchargement : https://radars.ac.cn/web/data/getData?dataType=FUSAR
L'ensemble de données de navires haute résolution FUSARShip contient 15 catégories principales de navires, 98 sous-catégories et de nombreux objets marins qui ne sont pas des objets de navire. Les tranches de données sont tirées de 126 images de télédétection GF-3 originales, le mode de polarisation comprend DH et DV, la résolution est de 1,124 m × 1,728 m et le mode d'imagerie est le mode UFS, couvrant diverses mers, terres, côtes, rivières et Scènes d'îles.
Cet ensemble de données a accumulé 16144 tranches, dont 6252 navires correspondant aux informations AIS, 2045 fausses alarmes fortes telles que des points lumineux similaires aux navires, 1461 ponts et côtes, 1010 zones côtières et îles et 1967 échos de mer complexes, 1785 pour la mer commune et 1624 pour la terre, adapté à la détection et à la reconnaissance des navires en mer complexe.
Ensemble de données de détection de cibles SAR multiclasses à grande échelle-1.0
Jie Chen, Zhixiang Huang, Runfan Xia, Bocai Wu, Lei Sheng, Long Sun et Baidong Yao. Ensemble de données de détection de cibles d'images SAR multi-classes à grande échelle-1.0[OL]. Journal of Radars, 2022.
Adresse de téléchargement : https://radars.ac.cn/web/data/getData?dataType=MSAR
L'ensemble de données de détection de cibles SAR multi-classes à grande échelle-1.0 (MSAR-1.0) comprend un total de 28 449 tranches de détection, en utilisant les données du satellite Haisi-1 et du satellite Gaofen-3.
Les modes de polarisation du jeu de données MSAR-1.0 incluent HH, HV, VH et VV. Les scénarios d'ensemble de données incluent les aéroports, les ports, les zones côtières, les îles, les hautes mers, les zones urbaines, etc. ; les types incluent quatre types de cibles : les avions, les réservoirs de pétrole, les ponts et les navires, comprenant 1 851 ponts, 39 858 navires, 12 319 chars et composition de 6 368 avions.
Ensemble de données SAR-ACD
(Comme mentionné dans le rapport académique du "Journal of Radar" il y a quelque temps, il n'est pas clair s'il est open source)
Jeu de données SADD
Lien de téléchargement : https://github.com/hust-rslab/SAR-aircraft-data