위성 원격 탐사 영상에서 선박 목표 검출 및 인식은 해양 감시, 해운 관리 및 군사 정찰 등 분야에서 중요한 응용 가치를 갖고 있습니다. 그러나 기존 데이터셋은 규모, 다양성 및 세분성 측면에서 부족하여 이 분야 발전에 큰 제약이 되고 있습니다. 이러한 병목 현상을 극복하기 위해 본 논문에서는 대규모 세분화 선박 인스턴스 검출 데이터셋 LAFI(LArge-scale FIne-grained Ship Instance Detection)를 구축하였고, 안정적 확산 모델을 기반으로 백만 건 규모의 선박 목표 검출 데이터셋 LAFI-Diffusion을 추가로 구성하였습니다. 본 연구는 다음과 같은 혁신적 기여를 합니다: (1) LAFI는 현재 가장 크고 종류가 풍부한 공개 선박 데이터셋으로 8000장의 고해상도 원격 탐사 이미지, 49종의 선박 유형 및 48717개의 세밀하게 주석 처리된 인스턴스를 포함합니다; (2) 제어 가능한 확산 모델을 사용하여 선박-해양 텍스트 프롬프트를 기반으로 다양한 해상, 날씨 조건 및 시간 변화에 따라 수백만 장의 합성 이미지를 생성하여 목표 검출 모델 사전 학습을 지원하고, 복잡한 해양 환경에서 모델의 일반화 능력을 크게 향상시키며 환경 잡음을 줄입니다. 마지막으로 LAFI 데이터셋을 기반으로 현재 주류 7가지 방향성 박스 검출 알고리즘을 체계적으로 평가하여 후속 연구에 중요한 기준을 제공합니다.

원격 탐사 영상; 선박 목표 검출; 데이터셋; 확산 모델; 합성 데이터 생성; 세분화 인식; 방향성 경계 상자; 데이터 증강