M4-SAR：面向光学-SAR 目标检测的多分辨率、多极化、多场景、多源数据集与基准
计算机视觉与模式识别
2026-03-11 v3
摘要
单源遥感目标检测使用光学或SAR图像在复杂环境中难以实现。光学图像提供丰富的纹理细节，但常受到低光、云遮挡或低分辨率的影响，降低检测性能。SAR图像对天气鲁棒，但受信噪比噪声和有限语义表达性的限制。光学和SAR图像提供互补的优势，融合它们可以显著提高检测准确率。然而，由于缺乏大规模、标准化的数据集，此领域的进展受到阻碍。为解决这些挑战，我们提出了一个新的综合性光学-SAR融合目标检测数据集，命名为多分辨率、多极化、多场景、多源SAR数据集(M4-SAR)。它包含112,174对实例级别对齐图像对， nearly 一百万个带任意方向标签的实例，覆盖六个关键类别。为实现标准化评估，我们开发了一个统一的基准工具包，集成了六种最先进的多源融合方法。此外，我们提出了E2E-OSDet，一个新颖的端到端多源融合检测框架，缓解了跨域差异，为未来研究奠定了稳健的基线。M4-SAR上的大量实验表明，融合光学和SAR数据可使mAP提高5.7%，在复杂环境中尤其显著。数据集和代码已公开available at https://github.com/wchao0601/M4-SAR。
引用
@article{arxiv.2505.10931,
title = {M4-SAR: A Multi-Resolution, Multi-Polarization, Multi-Scene, Multi-Source Dataset and Benchmark for optical-SAR Object Detection},
author = {Chao Wang and Wei Lu and Xiang Li and Jian Yang and Lei Luo},
journal= {arXiv preprint arXiv:2505.10931},
year = {2026}
}