SAR舰船检测数据集总结

Ships in Satellite Imagery

该数据集由从加利福尼亚旧金山湾和圣佩德罗湾地区收集的 Planet 卫星图像中提取的图像芯片组成。它包括 4000 张 80x80 RGB 图像,标有“船”或“无船”分类。图像芯片源自PlanetScope全画幅视觉场景产品,经正射校正至3米像素大小。

提供的是一个压缩目录shipsnet.zip,其中包含作为 .png 图像芯片的整个数据集。每个单独的图像文件名都遵循特定的格式:{label} __ {scene id} __ {longitude} _ {latitude}.png

https://link.zhihu.com/?target=https%3A//www.kaggle.com/datasets/rhammell/ships-in-satellite-imagery

Airbus Ship Detection Challenge

Kaggle比赛数据集,需要在图像中定位船只,并在所定位的船只周围放置对齐的边界框段。许多图像不包含船只,而包含船只的图像可能包含多艘船只。图像内和图像之间的船舶可能大小不同,并且位于公海、码头、码头等。
csv文件为训练图像提供了GT。

https://link.zhihu.com/?target=https%3A//www.kaggle.com/competitions/airbus-ship-detection/data

Sandia SAR数据集

美国能源部国家核安全管理局公开的数据集

https://link.zhihu.com/?target=https%3A//www.sandia.gov/radar/pathfinder-radar-isr-and-synthetic-aperture-radar-sar-systems/complex-data/

OpenSARShip

上海交通大学公开的数据集

https://link.zhihu.com/?target=https%3A//opensar.sjtu.edu.cn/

OpenSARship-1.0

  • OpenSARShip 是一个包含 13 个示例的船舶数据集,1从3个41张包含1个0中6个图像图像1个4个芯片。
  • 主要覆盖亚洲5个港口,共有17种类型(AIS类型)的船舶。
  • 图像的空间要求为 2.7 × 22 到 3.6 × 22 和 20 × 22 米。
  • 具有混合VV和VH的数据集图像。
  • 船舶图像播放一个自动识别系统 (AIS) 消息。
  • 船舶芯片的详细信息,包括 AIS 消息、SAR 船舶签名和 MarineTraffic 网站提供的,都列在名为 Ship.xml 的 XML 文件中。
  • 图像尺寸范围从 30 × 30 到 12 × 120 。
  • 每个 Sentinel SAR 提供不同类型的数据格式的数据图像、外观、外观和数据:
  • 原始数据和格式数据位采用.tiff并具有128深色(每通道32)。
  • 伪彩色的可视化数据有24位颜色深度(每个通道8位)并且为.png格式。
  • 8色可视化数据,并采用.tiff格式。

https://link.zhihu.com/?target=http%3A//opensar.sjtu.edu.cn/

SAR-Ship-Dataset

  • 它由 43819 个组成 256×256 颗的船舶芯片。

  • 具体数据集包括59535个船舶实例。

  • 该数据集是使用 102 张中国高分 3 图像和 108 张贴兵 1 创建的图像。

  • 图像的22米、8分一号、3米、5米、10米和25米的空间尺寸,尺寸为1.7×4.3到3.7×4.9×和20×4.9米的空间。

  • 高分3的成像模式为超细带状图(UFS)、细带状图1(FSI)、全长带状图1(QPSI)、全状带状图2(QPSII)和细带状图2(FSII)。

  • 对于 Sentinel-1,成像模式为 S3 Strip-Map (SM)、S6 SM 和 IW 模式。

  • 船舶芯片可扩展标记语言(XML)文件,指示船舶的位置、船舶芯片名称和图像形状。

    https://link.zhihu.com/?target=https%3A//github.com/CAESAR-Radi/SAR-Ship-Dataset

AIR-SARShip

  • AIR-SARShip-1.0 采集自高分三号卫星数据集,包含31张大场景图像。

  • 图像有聚光灯模式。共有30000个模式,共有30000个模式。

  • SAR 00000 0 × 3 ) 被 3 个 图像 500 × 3 像素的原始图像 500 × 3

  • 上面6×6×31 = 1116个子图像为.tiff格式。

  • 图像的一个 XML 标签,包括图像文件名文件的大小、尺寸、尺寸、类别和每个目标框的大小。

  • SAR图像的空间要求为每3米和3米。

    https://link.zhihu.com/?target=http%3A//radars.ie.ac.cn/web/data/getData%3FdataType%3DSARDataset_en%26pageType%3Den

HRSID

  • 特定数据集和 20 个相同数据集 SAR 116 个同义集。

  • 制造 HRSID 的原始图像是 99 个 Sentinel-1B 图像、36 个 TerraSAR-X 和 1 个 TanDEM-X 图像。

  • 以上 1 张全景 SAR 图像为 5604 张博 SAR 图像。

  • 这 5604 张图像的尺寸为 800 × 800 ,要求为 96 dpi,并且有 .peg 格式。

  • 图像的颜色深度为8位(一个通道)。

  • 提取的一个交换机 1 张实例 59SAR 图像包含一个。

  • SAR图像的空间要求为每3米和0.5、1米。

  • 实例的注解是的另一种场景和一些类似的东西。

  • 每个 SAR 图像的注释构成 MS COCO 数据集格式的 .json 文件。

    https://link.zhihu.com/?target=https%3A//github.com/chaozhong2010/HRSID

FUSAR-船舶数据集

  • FUSAR-Ship数据集细共有15个船舶类别,98个船舶子类别,98个船舶子类别,33个场景,由12个超场景组成。这1个图像的图像是模式条形图(UFS)组成模式。

  • 它包括超过 5000 个 AIS 消息的船舶芯片和一些其他类型的海洋目标和背景杂波。

  • 尺寸为512张图片的尺寸为512张。

  • 这些图像为.tiff格式,颜色为8位。

  • 每个样本的图像存储类别在类别_类别/子类别下。每个样本的文件名称遵循约定:SyyNzzzziff,其中 xx 是类别,yy 是子索引,zzzz 是这个索引特定样本的索引。

  • 具有V和HH V的数据集图像。

  • 匹配元数据编译在“meta.csv”或“meta.xls”文件中,格式为:id mmsi length width polarMode centerLookAngle heightspace widthspace path。

    https://link.zhihu.com/?target=http%3A//www.emwlab.fudan.edu.cn/resources/main.psp

ShipRSImageNet

  • ShipRSImageNet 包含超过 3435 张图像和 17573 个船舶实例,并使用水平和定向边界框进行注释。

  • 上述 3435 幅图像是从各种传感器、卫星平台、位置和季节获得的。

  • 每个图像大约为 930×930 像素,包含具有不同比例、方向和纵横比的船只。

  • 图像的空间分辨率范围为 0.12 到 6 m。

  • 这 3435 张图片来自:

    • xView 数据集(532 张图像)。
    • HRSC2016 数据集(1057 张图像)。
    • FGSD 数据集(1846 张图像)。
    • 空中客车船舶探测挑战赛(21 张图片)。
    • 中国卫星,如高分二号和吉林一号(17张图像)。
  • ShipRSImageNet 中的船舶按层次分为四个级别(0-3)和 50 个类别(49 种船舶类型和“Dock”)。

  • 0级区分对象是否为船,即“等级”。级别 1 将船舶对象类别进一步分类,命名为“类别”。级别 2 根据级别 1(“子类别”)进一步细分类别。Level 3 是特定的船型,命名为“Type”。

  • ShipRSImageNet 分为训练集、验证集和测试集,分别包含原始图像的 64% (2198)、16% (550) 和 20% (687)。

  • 每个船实例都有一组相应的注释,它们是:

    • 一个水平边界框↦ (xmin, ymin, xmax, ymax)。
    • 一个定向边界框↦ (xc, yc, w, h, θ)。
    • 多边形注释 ↦ (x1, y1, x2, y2, x3, y3, x4, y4)。
  • 上述注释以 Pascal VOC 和 MS COCO 数据集格式提供。

https://link.zhihu.com/?target=https%3A//drive.google.com/file/d/1wApkaSoa9mXRfXQiq6lTtlVrv4cSc6vv/view

FGSCR-42

  • 它由 9320 张不同空间分辨率的光学卫星图像组成。

  • 这些图像包含 9320 个船舶实例(其分类为:1 个图像 = 1 个实例)。

  • FGSCR-42 中图像的大小范围从大约 50 × 50 到大约 1500 × 1500 像素。

  • 该数据集包含来自 10 个主要船舶类别的 42 个不同类别:

    • Aircraft_carrier ↦ 8类

    • 巡洋舰 ↦ 1 类

    • 毁灭者↦ 10类

    • Assault_ship ↦ 3 个类别

    • Landing_ship ↦ 4 类

    • Transport_dock ↦ 2 个分类

    • Support_ship ↦ 3 个分类

    • Combat_ship ↦ 2 个类别

    • 护卫舰↦2类

    • Civil_vessel ↦ 7大类

https://link.zhihu.com/?target=http%3A//pan.baidu.com/s/1eXplDfB5fCBPm7WMcFKZkg 9xx8

MASATI-v2

  • 具体数据集由 7389 张图像组成,平均尺寸为 512 × 512 像素。

  • 以上 7389 张图片是从 Microsoft Bing 地图中获取的,它们以 .png 格式存储。

  • 在这个数据集中,每个图像都根据以下七个类别进行了手动标记:

    • 土地:1078 张图片 | 主类:非船舶 | 描述:陆地(无船)。
    • 海岸:1132 张图片 | 主类:非船舶 | 描述:海岸(无船)。
    • 海:1022 张图片 | 主类:非船舶 | 描述:海(没有船)。
    • 船 : 1027 张图片 | 主类:船舶 | 描述:有船的海(没有海岸)。
    • 多:304 张图片 | 主类:船舶 | 描述:多艘船。
    • 海岸船:1037 张图片 | 主类:船舶 | 描述:有船只的海岸。
    • 详情:1789 张图片 | 主类:船舶 | 描述:船舶详情。(大船)
  • 此标签使用 PASCAL VOC 的注释格式存储在 XML 文件中。

  • 上面的 .xml 文件包含图像的尺寸和通道、实例的类名以及每个实例对应的边界框的四对像素坐标。

https://link.zhihu.com/?target=https%3A//www.iuii.ua.es/datasets/masati/

SRSDD-SAR旋转船舶检测数据集

  • 它由中国高分三号的 30 个全景 SAR 瓦片组成,距离方向和方位角分辨率为 1 m。

  • 这些原始 SAR 图像处于聚光灯 (SL) 模式,具有 HH 和 VV 偏振。

  • 上述图像被裁剪为 666 个较小的图像,尺寸为 1024x1024 像素。

  • SRSDD-v1.0 包含 2884 个船舶实例,分布在 6 个不同的类别中:

    • ore-oil (carrier) ↦ 166 艘船实例
    • bulk-cargo ↦ 2053 个船舶实例
    • 钓鱼 ↦ 288 艘船实例
    • LawEnforce ↦ 25 个飞船实例
    • 挖泥船 ↦ 263 艘船实例
    • 集装箱 ↦ 89 个船实例
  • 在数据集中,每个实例的位置由一个定向的四边形边界框 [(x1, y1), (x2, y2), (x3, y3), (x4, y4)] 进行注释。边界框的第一个点 (x1, y1) 表示起点,指的是一艘船的左上角。

  • 图像的注释保存在具有相同文件名的文本文件中。在第一行中,给出了“imagesource”。在第二行中,给出了“gsd”(地面样本距离=1)。从注释文本文件的第三行到最后一行,给出了每个实例的注释。

  • 对于每个实例,都提供了一个“困难”标签,表示该实例是否难以检测(1 表示困难,0 表示不困难)。

https://link.zhihu.com/?target=http%3A//pan.baidu.com/s/1EonxuMSDVCnICwSsfWjYew aC1Q

SSDD

  • 它由 1160 张 SAR 图像组成,平均尺寸为 500×500 幅。

  • 这个特定的数据集包括2358个船舶实例。

  • SAR图像的空间要求为每一个1到15。

  • 这 1160 张图像是从 RadarSat-2、TerraSAR-X 和 Sentinel-1 卫星获得的。

  • 以上1160张图像为.jpeg格式,颜色深度为24位(每通道8位)。

  • 数据集图像具有混合的 HH、HV、VV 和 VH 分支。

  • 一个 .json 文件,其中包含每艘船的基础的分割文件。

    数据集 Pascal VOC 和 MS COCO 数据集格式,但旋转边界框除外,后者仅适用于 Pascal VOC 格式。

https://link.zhihu.com/?target=https%3A//drive.google.com/file/d/1glNJUGotrbEyk43twwB9556AdngJsynZ/view%3Fusp%3Dsharing

你可能感兴趣的:(解决问题心得,深度学习)