舰船识别在民用和军用领域的需求日益提高，舰船识别的发展如火如荼，各类目标识别数据集相继提出。当前针对军舰和民船的数据集较少，比如seaship数据集，只包含6类特征相似的民船。由于训练数据和测试数据过于相似，舰船的尺度相近，小目标舰船所占比例较低，对模型的泛化能力没有很好的检测功能。针对上述问题，西工大王伶教授团队郑怡童博士构建了一类针对军舰和民船的多分类多尺度的数据集--Mcships。
图1数据集多目标样本
该工作已发表在IEEEInternationalConferenceonMultimediaandExpo(ICME),题目：Mcships:ALarge-ScaleShipDatasetForDetectionAndFine-GrainedCategorizationInTheWild。
该多分类多尺度舰船识别数据集包含张照片，11个分类，每张都经过精细标注，保存为Pascal-voc格式的xml文件（图2）。数据集中覆盖了不同视角，不同光线情况，不同尺度，不同背景，不同天气条件，以及不同遮挡情况的图片。同时，使用3种共十个模型进行训练以及测试，取得了较优的识别性能（如图3、图4所示）。
图2数据集中的能见度多样性
图3数据集细粒度样本的混淆矩阵
图4aircraftcarrier的PR曲线
点击下方“阅读原文”了解详细内容
预览时标签不可点收录于合集#个上一篇下一篇