基于光学与 SAR 图像的跨模态舰船重识别：一个新数据集和方法
计算机视觉与模式识别
2025-07-17 v3
摘要
利用地球观测图像检测和跟踪地面目标是遥感领域的一个重要挑战。连续的海上舰船跟踪对于海上搜救、执法和航运分析等应用至关重要。然而，大多数当前的舰船跟踪方法依赖于静止卫星或视频卫星。前者分辨率低且易受天气影响，而后者拍摄时长短且覆盖范围有限，不太适合舰船跟踪的实际需求。为克服这些限制，我们提出了混合光学和合成孔径雷达 (SAR) 舰船重识别数据集 (HOSS ReID 数据集)，旨在评估使用低轨光学和 SAR 传感器星座进行舰船跟踪的有效性。这种方法确保了更短的再观测周期，并实现了全天候跟踪。HOSS ReID 数据集包括使用不同模态的卫星在不同时间和角度下捕获同一舰船图像的长期数据。此外，我们提出了一个基于视觉转换器架构的跨模态舰船重识别基线方法 TransOSS，通过细化 patch 嵌入结构以更好地适应跨模态任务，包含额外的嵌入以引入更多参考信息，并采用对比学习在大规模光学-SAR 图像对上进行预训练，以确保模型能够提取模态无关特征。我们的数据集和基线方法已在 https://github.com/Alioth2000/Hoss-ReID 上公开。
引用
@article{arxiv.2506.22027,
title = {Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method},
author = {Han Wang and Shengyang Li and Jian Yang and Yuxuan Liu and Yixuan Lv and Zhuang Zhou},
journal= {arXiv preprint arXiv:2506.22027},
year = {2025}
}
备注
Accepted to ICCV 2025