A detecção e reconhecimento de alvos de navios em imagens de sensoriamento remoto por satélite têm um valor de aplicação importante em áreas como monitoramento marítimo, gestão de navegação e reconhecimento militar. No entanto, as limitações dos conjuntos de dados existentes em escala, diversidade e granularidade fina restringem severamente o desenvolvimento dessa área. Para superar esse gargalo, este trabalho construiu um conjunto de dados LAFI (detecção de instâncias finas de navios em larga escala) em grande escala e, com base em um modelo de difusão estável, construiu ainda um conjunto de dados de detecção de alvos de navios com milhões de amostras, chamado LAFI-Diffusion. Esta pesquisa apresenta as seguintes contribuições inovadoras: (1) LAFI é atualmente o maior e mais diversificado conjunto de dados públicos de navios, contendo 8000 imagens de sensoriamento remoto em alta resolução, 49 tipos de navios e 48717 instâncias anotadas com precisão; (2) utilizando um modelo de difusão controlada, guiado por prompts textuais navio-oceano, é possível gerar milhões de imagens sintéticas sob diferentes condições oceânicas, climáticas e temporais, apoiando o pré-treinamento de modelos de detecção de alvos e melhorando significativamente a capacidade de generalização dos modelos em cenários oceânicos complexos, ao mesmo tempo que reduz interferências ambientais; (3) com base no conjunto de dados LAFI, este trabalho avaliou sistematicamente sete algoritmos principais de detecção de caixas orientadas, fornecendo um referencial importante para pesquisas futuras.

imagens de sensoriamento remoto; detecção de alvos de navios; conjunto de dados; modelo de difusão; geração de dados sintéticos; reconhecimento fino; caixas delimitadoras orientadas; aumento de dados