Die Erkennung und Identifizierung von Schiffszielen in satellitengestützten Fernerkundungsbildern hat einen wichtigen Anwendungswert in den Bereichen Meeresüberwachung, Schifffahrtsmanagement und militärische Aufklärung. Die vorhandenen Datensätze sind jedoch in Bezug auf Umfang, Vielfalt und Feinkörnigkeit unzureichend, was die Entwicklung dieses Gebiets erheblich einschränkt. Um diese Engpässe zu überwinden, wurde in diesem Artikel ein groß angelegter, fein granulierte Schiff-Instanz-Erkennungsdatensatz mit dem Namen LAFI (LArge-scale FIne-grained Ship Instance Detection) erstellt, und basierend auf einem stabilen Diffusionsmodell zusätzlich ein millionenfacher Schiffszielerkennungsdatensatz namens LAFI-Diffusion konstruiert. Diese Studie leistet folgende innovative Beiträge: (1) LAFI ist derzeit der größte und artenreichste öffentlich verfügbare Schiffsdatensatz, der 8000 hochauflösende Fernerkundungsbilder, 49 Schiffsarten und 48717 präzise annotierte Instanzen enthält; (2) Ein steuerbares Diffusionsmodell wird verwendet, um unter Anleitung von Schiff-Meer-Text-Prompts Millionen synthetischer Bilder unter verschiedenen Meeres-, Wetter- und Zeitbedingungen zu erzeugen, was das Pre-Training von Zielerkennungsmodellen unterstützt, die Generalisierungsfähigkeit der Modelle in komplexen maritimen Szenen signifikant verbessert und gleichzeitig Umweltstörungen reduziert. Schließlich wurde auf Basis des LAFI-Datensatzes eine systematische Bewertung von sieben gängigen gerichteten Rahmen-Erkennungsalgorithmen durchgeführt, die eine wichtige Benchmark für zukünftige Forschungen darstellt.

Fernerkundungsbilder; Schiffszielerkennung; Datensatz; Diffusionsmodell; Generierung synthetischer Daten; feinkörnige Erkennung; gerichtete Begrenzungsrahmen; Datenaugmentation