SAR圖像船舶目標(biāo)檢測(cè)數(shù)據(jù)集SSDD
[導(dǎo)讀]公開的數(shù)據(jù)集具有重要意義，尤其是對(duì)于那些經(jīng)歷過傳統(tǒng)方法的科研人員而言（傳統(tǒng)方法沒有統(tǒng)一的數(shù)據(jù)和評(píng)價(jià)標(biāo)準(zhǔn)，算法之間可比性較差）。公開的數(shù)據(jù)集可促進(jìn)這一領(lǐng)域的健康快速發(fā)展，健康是指研究人員采用統(tǒng)一的訓(xùn)練集和測(cè)試集，采用同一個(gè)評(píng)價(jià)指標(biāo)，增加可比性和可信性；快速是指專注于算法，不需要重復(fù)...
公開的數(shù)據(jù)集具有重要意義，尤其是對(duì)于那些經(jīng)歷過傳統(tǒng)方法的科研人員而言（傳統(tǒng)方法沒有統(tǒng)一的數(shù)據(jù)和評(píng)價(jià)標(biāo)準(zhǔn)，算法之間可比性較差）。公開的數(shù)據(jù)集可促進(jìn)這一領(lǐng)域的健康快速發(fā)展，健康是指研究人員采用統(tǒng)一的訓(xùn)練集和測(cè)試集，采用同一個(gè)評(píng)價(jià)指標(biāo)，增加可比性和可信性；快速是指專注于算法，不需要重復(fù)性做數(shù)據(jù)收集工作。SSDD近幾年的發(fā)展驗(yàn)證了上述觀點(diǎn)。
SSDD使用情況
2017年12月1日，在中國(guó)北京召開的BIGSARDATA會(huì)議上公開了一個(gè)用于SAR圖像船舶目標(biāo)檢測(cè)的數(shù)據(jù)集SSDD，SSDD是該領(lǐng)域中第一個(gè)公開的數(shù)據(jù)集。這篇論文僅發(fā)布了SSDD的初始粗略版本，但這個(gè)第一個(gè)公開的數(shù)據(jù)集得到了相當(dāng)多學(xué)者的前所未有的關(guān)注，這也超出了作者的想象。
截止到2021年8月25日，在161個(gè)基于深度學(xué)習(xí)的SAR船舶檢測(cè)的論文中，使用SSDD作為訓(xùn)練測(cè)試數(shù)據(jù)的有75篇，占46.6%，這顯示了SSDD在SAR遙感社區(qū)的普及和巨大影響。其它論文采用的數(shù)據(jù)集是近些年提出的另外五個(gè)公開數(shù)據(jù)集，即Wang等人在2019年發(fā)布的SAR-Ship數(shù)據(jù)集，Sun等人在2019年發(fā)布的AIR-SARShip-1.0，Wei等人在2020年發(fā)布的HRSID，Zhang等人在2020年發(fā)布的LS-SSDD-v1.0，和AIR-SARShip-2.0。
這75篇論文中，只有一份來自國(guó)外（印度），其它所有論文作者均為中國(guó)學(xué)者，這說明中國(guó)已成為研究中最活躍的國(guó)家或地區(qū)。SSDD數(shù)據(jù)集常出現(xiàn)在各種主流遙感期刊中，例如MDPI的Remote Sensing，IEEE的 JSTARS、TGRS和GRSL等，這表明SSSD被遙感界的學(xué)術(shù)界廣泛接受。
這75篇論文中，有62篇論文使用垂直邊框，有9個(gè)使用旋轉(zhuǎn)邊框，有4篇論文使用像素級(jí)多邊形分割。SSDD的初始版本僅提供垂直邊框的標(biāo)注，這使得使用垂直邊框的數(shù)量占大多數(shù)（82.7%）。
SSDD得到廣泛使用的原因
SSDD取得以上成功的原因主要有以下七點(diǎn)：
1.SSDD的公開時(shí)間最早，它比第二個(gè)公開的數(shù)據(jù)集要早1.5年，當(dāng)沒有其他數(shù)據(jù)集可用時(shí)，SSDD成為唯一的選擇。
2.用于SAR船舶檢測(cè)的幾種常用衛(wèi)星都是商業(yè)衛(wèi)星，數(shù)據(jù)獲取渠道有限，SSDD的出現(xiàn)可以解決此困境。
3.SSDD的作者活躍在SAR遙感社區(qū)，在公共媒體平臺(tái)發(fā)布的文章促進(jìn)了這個(gè)數(shù)據(jù)集的傳播。
4.SSDD中的SAR圖像樣本具有不同分辨率，不同傳感器，不同的極化，不同的海況，不同的船舶場(chǎng)景，包括近海和近海，以及不同的船舶尺寸。數(shù)據(jù)多樣性是建立可靠的檢測(cè)模型的基礎(chǔ)。
5.當(dāng)出現(xiàn)一些使用SSDD的論文時(shí)，后續(xù)學(xué)者一般會(huì)選擇對(duì)這個(gè)SSDD數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，以便于將所提方法與以前的方法進(jìn)行比較，因此，使用此SSDD數(shù)據(jù)集的公共論文逐漸增加。這也是為什么其它數(shù)據(jù)集雖然比SSDD更大更好，但卻沒有SSDD應(yīng)用廣泛的原因。
6.早期SAR遙感界大多數(shù)學(xué)者計(jì)算機(jī)的GPU計(jì)算能力有限，與計(jì)算機(jī)視覺領(lǐng)域中的大規(guī)模數(shù)據(jù)集相比，SSDD的樣本數(shù)量相對(duì)適中（有1160個(gè)樣本，而PASCAL VOC有 9000個(gè)，COCO有20w個(gè)樣本），這使得配備普通GPU的研究人員能夠進(jìn)行研究和開發(fā)，這使使用SSDD數(shù)據(jù)集進(jìn)行研究變得相當(dāng)活躍。此外，相對(duì)適中的樣本數(shù)量也有助于調(diào)試模型，提高工作效率，而不是長(zhǎng)時(shí)間的訓(xùn)練等待。當(dāng)然，在使用SSDD數(shù)據(jù)集時(shí)，應(yīng)考慮一些策略，例如數(shù)據(jù)增強(qiáng)和遷移學(xué)習(xí)，以避免過擬合。
7.SSDD中有典型的難檢測(cè)樣本，這些樣本在SAR船舶檢測(cè)的實(shí)際應(yīng)用中都需要特別考慮，例如：特征不明顯的小型船舶、港口內(nèi)密集平行停泊的船舶、大型船舶、嚴(yán)重斑點(diǎn)噪聲下的船舶測(cè)和復(fù)雜背景的船舶測(cè)。無論是傳統(tǒng)的方法還是基于深度學(xué)習(xí)的方法，這些困難樣本的檢測(cè)都是一個(gè)研究熱點(diǎn)，而SSDD可提供數(shù)據(jù)來源以研究這些問題。
SSDD數(shù)據(jù)集存在的問題以及解決辦法
盡管SSDD取得了較大的成功，但SSDD初始版本的粗略標(biāo)注和模糊標(biāo)準(zhǔn)阻礙了算法的公平比較和學(xué)術(shù)交流。
首先，初始版本中存在一些粗略的標(biāo)注，例如，有些船標(biāo)注錯(cuò)誤，有些船未進(jìn)行標(biāo)注，有些船的邊框標(biāo)注的不緊湊。因此，SSDD的初始版本是“臟的”。臟數(shù)據(jù)在計(jì)算機(jī)視覺領(lǐng)域廣泛存在，對(duì)于龐大的數(shù)據(jù)集，深度網(wǎng)絡(luò)可以通過批量訓(xùn)練減少臟數(shù)據(jù)的負(fù)面影響，從而提高模型的泛化能力。然而，對(duì)于少量的SAR圖像出現(xiàn)的臟數(shù)據(jù)，深度網(wǎng)絡(luò)中可能會(huì)出現(xiàn)訓(xùn)練振蕩，這將降低檢測(cè)性能，因此，有必要糾正它們。其次，在SSDD原始論文中存在使用標(biāo)準(zhǔn)模棱兩可甚至不合理的問題。
例如，訓(xùn)練測(cè)試劃分是隨機(jī)的，但由于樣本太少，不同的測(cè)試集會(huì)導(dǎo)致結(jié)果差異很大，這將導(dǎo)致與不同學(xué)者的不公平的方法比較。此外，原論文中沒有提供劃分近岸和遠(yuǎn)海目標(biāo)的標(biāo)準(zhǔn)，導(dǎo)致后來的學(xué)者對(duì)近岸和遠(yuǎn)海船舶的檢測(cè)精度進(jìn)行不公平的比較。
更重要的是，目前該數(shù)據(jù)集仍缺乏全面的數(shù)據(jù)統(tǒng)計(jì)分析，這不利于其他學(xué)者的進(jìn)一步研究。因此，為了公平的算法比較和有效的學(xué)術(shù)交流，這里明確制定了一些嚴(yán)格的使用標(biāo)準(zhǔn)，包括訓(xùn)練測(cè)試的劃分，近岸和遠(yuǎn)海目標(biāo)的定義，船舶尺寸的定義，確定密集分布的小型船舶樣本，確定在港口密集平行停泊的樣本。
SSDD初始版本是垂直矩形邊界框（BBox）的標(biāo)簽，但垂直邊框不夠緊湊，其中存在大量背景雜亂，減少了船舶特征學(xué)習(xí)，導(dǎo)致船舶特征提取不足，它也不適用于長(zhǎng)寬比大且方向任意的船舶，當(dāng)港口船舶排列過于密集時(shí)，BBox無法有效區(qū)分，從而導(dǎo)致檢測(cè)缺失。
因此BBox不再能夠滿足可旋轉(zhuǎn)邊界框（RBox）任務(wù)和像素級(jí)多邊形分割（PSeg）任務(wù)的研究需求。RBox可以更好地描述目標(biāo)的真實(shí)形狀，同時(shí)在船舶檢測(cè)中提供更好的準(zhǔn)確性。像素級(jí)多邊形分割（PSeg）可完全抑制背景雜亂，是進(jìn)行SAR船舶檢測(cè)是最理想的標(biāo)注。
因此這里發(fā)布的最新版本的SSDD涵蓋三種標(biāo)注類型：邊界框SSDD（BBox-SSDD），可旋轉(zhuǎn)邊界框SSDD（RBox-SSDD）和多邊形分割SSDD（PSeg-SSDD）。需要對(duì)BBox-SSDD，RBox-SSDD和PSeg-SSDD進(jìn)行全面的數(shù)據(jù)統(tǒng)計(jì)，分析結(jié)果將為未來可能的學(xué)者提供一些有價(jià)值的建議，以便在使用SSDD時(shí)進(jìn)一步精心設(shè)計(jì)更高精度和更強(qiáng)魯棒性的基于深度學(xué)習(xí)的SAR船舶檢測(cè)算法。
以上內(nèi)容來自論文：SAR Ship Detection Dataset (SSDD)-Of?cial Release and Comprehensive Data Analysis
SSDD使用情況
2017年12月1日，在中國(guó)北京召開的BIGSARDATA會(huì)議上公開了一個(gè)用于SAR圖像船舶目標(biāo)檢測(cè)的數(shù)據(jù)集SSDD，SSDD是該領(lǐng)域中第一個(gè)公開的數(shù)據(jù)集。這篇論文僅發(fā)布了SSDD的初始粗略版本，但這個(gè)第一個(gè)公開的數(shù)據(jù)集得到了相當(dāng)多學(xué)者的前所未有的關(guān)注，這也超出了作者的想象。
截止到2021年8月25日，在161個(gè)基于深度學(xué)習(xí)的SAR船舶檢測(cè)的論文中，使用SSDD作為訓(xùn)練測(cè)試數(shù)據(jù)的有75篇，占46.6%，這顯示了SSDD在SAR遙感社區(qū)的普及和巨大影響。其它論文采用的數(shù)據(jù)集是近些年提出的另外五個(gè)公開數(shù)據(jù)集，即Wang等人在2019年發(fā)布的SAR-Ship數(shù)據(jù)集，Sun等人在2019年發(fā)布的AIR-SARShip-1.0，Wei等人在2020年發(fā)布的HRSID，Zhang等人在2020年發(fā)布的LS-SSDD-v1.0，和AIR-SARShip-2.0。
這75篇論文中，只有一份來自國(guó)外（印度），其它所有論文作者均為中國(guó)學(xué)者，這說明中國(guó)已成為研究中最活躍的國(guó)家或地區(qū)。SSDD數(shù)據(jù)集常出現(xiàn)在各種主流遙感期刊中，例如MDPI的Remote Sensing，IEEE的 JSTARS、TGRS和GRSL等，這表明SSSD被遙感界的學(xué)術(shù)界廣泛接受。
這75篇論文中，有62篇論文使用垂直邊框，有9個(gè)使用旋轉(zhuǎn)邊框，有4篇論文使用像素級(jí)多邊形分割。SSDD的初始版本僅提供垂直邊框的標(biāo)注，這使得使用垂直邊框的數(shù)量占大多數(shù)（82.7%）。
SSDD得到廣泛使用的原因
SSDD取得以上成功的原因主要有以下七點(diǎn)：
1.SSDD的公開時(shí)間最早，它比第二個(gè)公開的數(shù)據(jù)集要早1.5年，當(dāng)沒有其他數(shù)據(jù)集可用時(shí)，SSDD成為唯一的選擇。
2.用于SAR船舶檢測(cè)的幾種常用衛(wèi)星都是商業(yè)衛(wèi)星，數(shù)據(jù)獲取渠道有限，SSDD的出現(xiàn)可以解決此困境。
3.SSDD的作者活躍在SAR遙感社區(qū)，在公共媒體平臺(tái)發(fā)布的文章促進(jìn)了這個(gè)數(shù)據(jù)集的傳播。
4.SSDD中的SAR圖像樣本具有不同分辨率，不同傳感器，不同的極化，不同的海況，不同的船舶場(chǎng)景，包括近海和近海，以及不同的船舶尺寸。數(shù)據(jù)多樣性是建立可靠的檢測(cè)模型的基礎(chǔ)。
5.當(dāng)出現(xiàn)一些使用SSDD的論文時(shí)，后續(xù)學(xué)者一般會(huì)選擇對(duì)這個(gè)SSDD數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，以便于將所提方法與以前的方法進(jìn)行比較，因此，使用此SSDD數(shù)據(jù)集的公共論文逐漸增加。這也是為什么其它數(shù)據(jù)集雖然比SSDD更大更好，但卻沒有SSDD應(yīng)用廣泛的原因。
6.早期SAR遙感界大多數(shù)學(xué)者計(jì)算機(jī)的GPU計(jì)算能力有限，與計(jì)算機(jī)視覺領(lǐng)域中的大規(guī)模數(shù)據(jù)集相比，SSDD的樣本數(shù)量相對(duì)適中（有1160個(gè)樣本，而PASCAL VOC有 9000個(gè)，COCO有20w個(gè)樣本），這使得配備普通GPU的研究人員能夠進(jìn)行研究和開發(fā)，這使使用SSDD數(shù)據(jù)集進(jìn)行研究變得相當(dāng)活躍。此外，相對(duì)適中的樣本數(shù)量也有助于調(diào)試模型，提高工作效率，而不是長(zhǎng)時(shí)間的訓(xùn)練等待。當(dāng)然，在使用SSDD數(shù)據(jù)集時(shí)，應(yīng)考慮一些策略，例如數(shù)據(jù)增強(qiáng)和遷移學(xué)習(xí)，以避免過擬合。
7.SSDD中有典型的難檢測(cè)樣本，這些樣本在SAR船舶檢測(cè)的實(shí)際應(yīng)用中都需要特別考慮，例如：特征不明顯的小型船舶、港口內(nèi)密集平行停泊的船舶、大型船舶、嚴(yán)重斑點(diǎn)噪聲下的船舶測(cè)和復(fù)雜背景的船舶測(cè)。無論是傳統(tǒng)的方法還是基于深度學(xué)習(xí)的方法，這些困難樣本的檢測(cè)都是一個(gè)研究熱點(diǎn)，而SSDD可提供數(shù)據(jù)來源以研究這些問題。
SSDD數(shù)據(jù)集存在的問題以及解決辦法
盡管SSDD取得了較大的成功，但SSDD初始版本的粗略標(biāo)注和模糊標(biāo)準(zhǔn)阻礙了算法的公平比較和學(xué)術(shù)交流。
首先，初始版本中存在一些粗略的標(biāo)注，例如，有些船標(biāo)注錯(cuò)誤，有些船未進(jìn)行標(biāo)注，有些船的邊框標(biāo)注的不緊湊。因此，SSDD的初始版本是“臟的”。臟數(shù)據(jù)在計(jì)算機(jī)視覺領(lǐng)域廣泛存在，對(duì)于龐大的數(shù)據(jù)集，深度網(wǎng)絡(luò)可以通過批量訓(xùn)練減少臟數(shù)據(jù)的負(fù)面影響，從而提高模型的泛化能力。然而，對(duì)于少量的SAR圖像出現(xiàn)的臟數(shù)據(jù)，深度網(wǎng)絡(luò)中可能會(huì)出現(xiàn)訓(xùn)練振蕩，這將降低檢測(cè)性能，因此，有必要糾正它們。其次，在SSDD原始論文中存在使用標(biāo)準(zhǔn)模棱兩可甚至不合理的問題。
例如，訓(xùn)練測(cè)試劃分是隨機(jī)的，但由于樣本太少，不同的測(cè)試集會(huì)導(dǎo)致結(jié)果差異很大，這將導(dǎo)致與不同學(xué)者的不公平的方法比較。此外，原論文中沒有提供劃分近岸和遠(yuǎn)海目標(biāo)的標(biāo)準(zhǔn)，導(dǎo)致后來的學(xué)者對(duì)近岸和遠(yuǎn)海船舶的檢測(cè)精度進(jìn)行不公平的比較。
更重要的是，目前該數(shù)據(jù)集仍缺乏全面的數(shù)據(jù)統(tǒng)計(jì)分析，這不利于其他學(xué)者的進(jìn)一步研究。因此，為了公平的算法比較和有效的學(xué)術(shù)交流，這里明確制定了一些嚴(yán)格的使用標(biāo)準(zhǔn)，包括訓(xùn)練測(cè)試的劃分，近岸和遠(yuǎn)海目標(biāo)的定義，船舶尺寸的定義，確定密集分布的小型船舶樣本，確定在港口密集平行停泊的樣本。
SSDD初始版本是垂直矩形邊界框（BBox）的標(biāo)簽，但垂直邊框不夠緊湊，其中存在大量背景雜亂，減少了船舶特征學(xué)習(xí)，導(dǎo)致船舶特征提取不足，它也不適用于長(zhǎng)寬比大且方向任意的船舶，當(dāng)港口船舶排列過于密集時(shí)，BBox無法有效區(qū)分，從而導(dǎo)致檢測(cè)缺失。
因此BBox不再能夠滿足可旋轉(zhuǎn)邊界框（RBox）任務(wù)和像素級(jí)多邊形分割（PSeg）任務(wù)的研究需求。RBox可以更好地描述目標(biāo)的真實(shí)形狀，同時(shí)在船舶檢測(cè)中提供更好的準(zhǔn)確性。像素級(jí)多邊形分割（PSeg）可完全抑制背景雜亂，是進(jìn)行SAR船舶檢測(cè)是最理想的標(biāo)注。
因此這里發(fā)布的最新版本的SSDD涵蓋三種標(biāo)注類型：邊界框SSDD（BBox-SSDD），可旋轉(zhuǎn)邊界框SSDD（RBox-SSDD）和多邊形分割SSDD（PSeg-SSDD）。需要對(duì)BBox-SSDD，RBox-SSDD和PSeg-SSDD進(jìn)行全面的數(shù)據(jù)統(tǒng)計(jì)，分析結(jié)果將為未來可能的學(xué)者提供一些有價(jià)值的建議，以便在使用SSDD時(shí)進(jìn)一步精心設(shè)計(jì)更高精度和更強(qiáng)魯棒性的基于深度學(xué)習(xí)的SAR船舶檢測(cè)算法。
以上內(nèi)容來自論文：SAR Ship Detection Dataset (SSDD)-Of?cial Release and Comprehensive Data Analysis
下載文檔
