舰船遥感图像数据集 DSTD 的构建研究

来源：计算机技术与发展杂志2022年第07期北京时间：

作者：何维娟;江涛;王林飞;徐权峰;王欣

单位：1. 云南民族大学 数学与计算机科学学院,云南 昆明 650500;2. 云南大学 信息学院,云南 昆明 650091

摘要：目标检测算法在 PASCAL VOC、COCO 等一系列数据集中都取得了一定的效果,但是都是面向自然场景下的多目标检测任务,而这些数据集中的单类目标场景往往很单一,相应目标数量也很少,针对特定场景和特定目标的数据集并不多见。 而对于此类任务的数据集往往也是很有价值的,例如遥感场景下的舰船检测或者飞机检测。 针对此问题, 构建一种面向遥感场景的大规模水面舰船目标检测数据集,其数据集的主要来源为 DIOR、DOTA、NWPU - VHRdataset、TGRS -HRRSD-Dataset-master 等几个开源数据集,将其命名为 DSTD( dataset for ship target detection),数据集中包含 4 854 张舰船图片,87 076 个舰船实例。 DSTD 数据集具有数量多、多尺度和成像差异大以及较高的类内多样性等特点。 在构建数据集的基础上,进一步分析了遥感舰船图像的细节特征,评估了一些经典目标检测方法的性能,并进行了实验对比,验证了该数据集的可行性,同时发现了当前较适合舰船的检测方法:即 YOLOV5。 使用 YOLOV5 算法进行舰船图像目标检测,在保证高检测精度的同时,能保持极快的检测速度。

关键词：目标检测;遥感;数据集;舰船;YOLOV5