我國科學家首次公開了SAR圖像船舶檢測數據集

　　近日，中國科學院空天信息研究院數字地球重點實驗室研究員王超團隊首次公開了SAR圖像船舶檢測數據集。該數據集來自于多源、多模式SAR圖像。基于此數據集，該團隊實現了復雜背景下的商船檢測與分類一體化深度學習處理系統，在無需海陸分割的基礎上，實現商用船舶的近實時自動檢測與分類，為我國國產高分3號的業務化應用提供技術支撐。

　　深度學習因具有自動可學習判別特征，已經在光學圖像的對象分類、語義分割和對象檢測等任務中取得重要成果。近幾年來，深度學習模型廣泛應用于SAR圖像。常規目標檢測數據集有很多，現在前沿的目標檢測算法（如Faster R-CNN、Yolo、SSD、Mask R-CNN等）基本都是在這些常規數據集上進行實驗。SAR數據由于其特殊的成像機理，使得其存在解譯困難。由于缺少標記樣本，基于SAR圖像的目標檢測數據集發展緩慢，也阻礙了深度學習模型的應用。

　　該數據集以我國國產高分三號SAR數據和Sentinel-1 SAR數據為主數據源，共采用了102景高分三號和108景Sentinel-1 SAR圖像構建高分辨率SAR船舶目標深度學習樣本庫。目前，該深度學習樣本庫包含43819船舶切片。高分三號的成像模式是Strip-Map (UFS)、Fine Strip-Map 1 (FSI)、Full Polarization 1 (QPSI)、Full Polarization 2(QPSII)和Fine Strip-Map 2 (FSII)。這5種成像模型的分辨率分別是3m、5m、8m、25m和10m。Sentinel-1的成像模式是條帶模式（S3和S6）和寬幅成像模式，具體信息見表1。