La détection et la reconnaissance des cibles navires dans les images satellitaires de télédétection ont une valeur d'application importante dans les domaines de la surveillance maritime, de la gestion du transport maritime et du renseignement militaire. Cependant, les ensembles de données existants présentent des limitations en termes d'échelle, de diversité et de finesse, ce qui freine considérablement le développement de ce domaine. Pour dépasser ce goulot d'étranglement, cet article a construit un ensemble de données à grande échelle à granularité fine pour la détection d'instances de navires, nommé LAFI (LArge-scale FIne-grained Ship Instance Detection), et basé sur un modèle de diffusion stable, a également construit un ensemble de données de détection de cibles navires à l'échelle du million, LAFI-Diffusion. Cette étude présente les contributions innovantes suivantes : (1) LAFI est actuellement le plus grand ensemble de données public de navires par sa taille et la richesse des catégories, contenant 8000 images satellitaires haute résolution, 49 types de navires et 48717 instances annotées avec précision ; (2) en utilisant un modèle de diffusion contrôlable, des millions d'images synthétiques sont générées sous la direction de prompts texte navire-océan, dans différentes conditions de mer, météorologiques et temporelles, ce qui permet la pré-formation des modèles de détection d'objets, améliorant significativement la capacité de généralisation des modèles dans des scènes marines complexes, tout en réduisant les interférences environnementales. Enfin, sur la base de l'ensemble de données LAFI, cette étude a systématiquement évalué sept algorithmes majeurs de détection à boîtes orientées, fournissant une référence importante pour les recherches futures.

images de télédétection; détection de cibles navires; ensemble de données; modèle de diffusion; génération de données synthétiques; reconnaissance fine; boîtes délimitées orientées; augmentation de données