xView3-SAR：利用合成孔径雷达影像检测暗捕鱼活动
计算机视觉与模式识别
2022-11-09 v4 计算机与社会
摘要
全球不可持续的捕鱼行为对海洋资源和生态系统构成重大威胁。识别常规监测系统中未出现的船只——即“暗船”——是管理和保障海洋环境健康的关键。随着星载合成孔径雷达（SAR）成像与现代机器学习（ML）的兴起，如今可在全天候、昼夜条件下自动检测暗船。然而，SAR图像需要特定领域的处理，且对ML社区而言并不易获取。海上目标（船只与近海基础设施）相对较小且稀疏，对传统计算机视觉方法构成挑战。我们提出了用于训练ML模型以检测和表征SAR影像中船只与海洋结构的最大标注数据集。xView3-SAR包含来自Sentinel-1任务的近1000张分析就绪SAR图像，每张平均29,400×24,400像素。图像通过自动与人工分析相结合进行标注。每个SAR图像都配有同址的测深与风态栅格数据。我们还概述了xView3计算机视觉挑战赛，这是一项利用xView3-SAR进行大规模船只检测与表征的国际竞赛。我们发布了数据（https://iuu.xview.us/）与代码（https://github.com/DIUx-xView）以支持针对这一重要应用的ML方法的持续开发与评估。
引用
@article{arxiv.2206.00897,
title = {xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture Radar Imagery},
author = {Fernando Paolo and Tsu-ting Tim Lin and Ritwik Gupta and Bryce Goodman and Nirav Patel and Daniel Kuster and David Kroodsma and Jared Dunnmon},
journal= {arXiv preprint arXiv:2206.00897},
year = {2022}
}
备注
Accepted to NeurIPS 2022. 10 pages (25 with references and supplement)