衛星リモートセンシング画像における船舶対象検出と識別は、海洋監視、航行管理、軍事偵察などの分野で重要な応用価値を持っています。しかし、既存のデータセットは規模、多様性、細粒度の面で不足しており、この分野の発展を著しく制限しています。このボトルネックを突破するために、本論文では大規模細粒度船舶インスタンス検出データセットLAFI（LArge-scale FIne-grained Ship Instance Detection）を構築し、また安定拡散モデルに基づいて百万規模の船舶対象検出データセットLAFI-Diffusionをさらに構築しました。本研究は以下の革新的貢献を持ちます：（1）LAFIは現在最大規模で最も多様なカテゴリを有する公開船舶データセットであり、8000枚の高解像度リモートセンシング画像、49種類の船舶タイプ、48717個の詳細に注釈されたインスタンスを含みます；（2）制御可能な拡散モデルを用い、船舶-海洋テキストプロンプトにより異なる海況、天候条件、時間変化の下で数百万枚の合成画像を生成し、対象検出モデルの事前学習を支援し、複雑な海洋シーンでのモデルの汎化能力を著しく向上させるとともに環境ノイズを軽減します。最後に、LAFIデータセットに基づき、現在主流の7種類の方向付けバウンディングボックス検出アルゴリズムを体系的に評価し、今後の研究に重要なベンチマークを提供しました。

リモートセンシング画像; 船舶対象検出; データセット; 拡散モデル; 合成データ生成; 細粒度識別; 方向付けバウンディングボックス; データ拡張