AIR-SARShip-1.0:高分辨率SAR舰船检测数据集

TN957.51%TN958; 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....

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 8; no. 6; pp. 852 - 862
Main Authors 孙显, 王智睿, 孙元睿, 刁文辉, 张跃, 付琨
Format Journal Article
LanguageChinese
Published 中国科学院空天信息创新研究院 北京 100190 2019
中国科学院大学 北京 100190
中国科学院网络信息体系技术科技创新重点实验室 北京 100190%中国科学院空天信息创新研究院 北京 100190
中国科学院网络信息体系技术科技创新重点实验室 北京 100190%中国科学院空天信息创新研究院 北京 100190中国科学院大学 北京 100190
Subjects
公开数据集
深度学习
SAR舰船检测
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR19097

Cover

More Information
Summary:TN957.51%TN958; 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.
ISSN:2095-283X
DOI:10.12000/JR19097