NASTaR：NovaSAR 自动舰船目标识别数据集
计算机视觉与模式识别
2026-04-07 v3 机器学习
摘要
合成孔径雷达 (SAR) 通过捕获并成像海上舰船强反射，具备全天候、基于太空的海洋活动监测能力。该领域的重要挑战之一是舰船类型分类。由于舰船类型的高多样性与复杂性，精确识别困难，通常需要专业深度学习模型。然而，这些模型高度依赖大规模高质量的真实数据集以实现稳健的性能与泛化能力。此外，日益增长的不同频率与空间分辨率的 SAR 卫星运营，放大了需要更多标注数据以提升模型精度的需求。为此，我们提出 NovaSAR 自动舰船目标识别 (NASTaR) 数据集。该数据集包含从 NovaSAR S 波段图像中提取的 3415 个舰船裁剪块，其标签与 AIS 数据匹配。数据集具有离散的 23 个类别、岸内/岸外分离功能，以及在舰船尾流可见时提供的辅助尾流数据集。我们使用主流舰船类型分类场景验证了数据集的适用性，基于基准深度学习模型。结果显示，对于四大舰船类型的分类准确率超过 60%，对于三类场景准确率超过 70%，对于区分货船与油轮精度超过 75%，对于识别渔船准确率超过 87%。NASTaR 数据集已提供于 https://doi.org/10.5523/bris.2tfa6x37oerz2lyiw6hp47058，相关代码用于基准测试与分析已提供于 https://github.com/benyaminhosseiny/nastar。
关键词
引用
@article{arxiv.2512.18503,
title = {NASTaR: NovaSAR Automated Ship Target Recognition Dataset},
author = {Benyamin Hosseiny and Kamirul Kamirul and Odysseas Pappas and Alin Achim},
journal= {arXiv preprint arXiv:2512.18503},
year = {2026}
}