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4854张舰船图片,87076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.
万方数据
维普
