基于PaddleDetection卫星应用赛题——海上船舶智能检测

---

该赛题聚焦基于PaddleDetection的海上船舶智能检测，利用GF-3和哨兵1号卫星的SAR数据。数据集含256x256像素船舶切片及标注，需通过模型检测生成特定格式csv提交。流程包括数据预处理、用faster_rcnn_swin_tiny_fpn模型训练、预测，旨在探索针对性检测方法，助力领海安全等领域。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

基于PaddleDetection卫星应用赛题——海上船舶智能检测

一、赛题背景

基于海上船舶目标检测对于领海安全、渔业资源管理和海上运输与救援具有重要意义，但在天气和海浪等不可控自然因素的影响下，依靠派遣海警船或基于可见光数据进行船舶目标监测等手段往往难以有效开展。卫星合成孔径雷达(SAR)是一种全天时、全天候、多维度获取信息的主动式微波成像雷达，为海洋上多尺度的船舶检测提供了强有力的数据保障和技术支持，在遥感图像船舶检测领域占有重要地位。由于SAR的成像原理与光学相机存在很大的差别，如何利用SAR数据特性设计出一套具有针对性的船舶检测方法是一大难点。本赛题鼓励选手通过数据算法寻找这个难题的新颖解法，进一步推动海上船舶智能检测的发展。

二、赛题任务

通过PaddleDetection实现对海上船舶智能检测，通过数据算法寻找这个难题的新颖解法，进一步推动海上船舶智能检测的发展。         

三、数据集介绍

源数据为中国资源卫星应用中心提供的102景GF-3卫星数据及欧空局提供的108景哨兵1号卫星数据。标注数据由中国科学院空天信息创新研究院王超研究员团队制作和提供，通过对源数据进行幅度值生成，位深量化和灰度拉伸处理后，将原始16位复数数据加工为8位数字图像。通过裁剪和筛选，形成像素尺寸为256x256的船舶切片，并通过Labelme目标标注软件，为每一张船舶切片生成对应的船舶标注框信息文本。        

四、提交实例

参赛者需要将所有模型检测结果放入一个csv文件中，命名为submission.csv，文件内容格式如下表所示： 每一行为一个待检测影像的信息和结果，其中第一列存储待检测的影像名称（不包含后缀名），第二列存储检测的垂直边框信息，具体边框信息格式为[目标矩形中心点相对横坐标 目标矩形中心点相对纵坐标 目标矩形相对长度比例 目标矩形相对宽度比例]（数字间用英文空格隔开），如果有多个垂直边框，用英文的“;”将边框信息进行分离。        

五、评分标准

       

六、数据预处理

竞赛训练数据集中包括两类数据文件，第一类是.jpg格式的SAR影像文件，第二类是txt格式的船舶标注信息文本文件，两者通过相同的名称进行关联，名称命名规则可忽略。

1. 下载数据集（训练集和测试集） 在比赛官网https://www.dcic-china.com/competitions/10022/datasets下载测试集和训练集

2. 其次解压数据集 执行以下命令解压数据集，解压之后将压缩包删除，保证项目空间小于100G。否则项目会被终止。

In [ ]

# 1.安装依赖%cd work/PaddleDetection/
!pip install -r requirements.txt
!pip install paddlex

    In [ ]

# 2.解压数据集%cd /home/aistudio/data/
!unzip data127873/training_dataset.zip!unzip data127874/test_dataset.zip!rm -rf data12*

    In [13]

!mkdir Images
!mkdir txts
!cp -r train/*.jpg Images
!cp -r train/*.txt txts

   

3.数据格式转换 按上述目录结构整理数据之后，原始标签为.txt文件，需要转换为符合VOC规范的.xml文件，接下来进行标签格式转换。

Step 1：修改txt2voc.py中的data_dir为数据集所在文件夹

In [41]

# 3.数据格式转换%cd ./train
!python text2voc.py
!cd ./train/ship_detect ./work/PaddleDetection/dataset

   

七、模型训练

1.利用PaddleDetection套件对检测目标模型进行训练，首先在https://gitee.com/PaddlePaddle/PaddleDetection.git 里，进行克隆，下载项目。        

In [1]

# 1.下载PaddleDetection代码%cd ~/work/# 从Gitee上下载PaddleDetection代码!git clone https://gitee.com/PaddlePaddle/PaddleDetection.git -b develop# 若网速较慢，可使用如下方法下载# !git clone https://hub.fastgit.org/PaddlePaddle/PaddleDetection.git

       

/home/aistudio/work
正克隆到 'PaddleDetection'...
remote: Enumerating objects: 21396, done.
remote: Counting objects: 100% (1866/1866), done.
remote: Compressing objects: 100% (934/934), done.
remote: Total 21396 (delta 1313), reused 1300 (delta 929), pack-reused 19530
接收对象中: 100% (21396/21396), 202.22 MiB | 16.11 MiB/s, 完成.
处理 delta 中: 100% (15862/15862), 完成.
检查连接... 完成。

       

2.选用PaddleDetection中的目标检测模型，修改参数以及数据集路径，这里选用faster_rcnn_swin_tiny_fpn_3x_coco.yml对数据进行训练。 （1）修改work/PaddleDetection/configs/datasets/voc.yml中的voc数据集所在路径和num_classes。

metric: VOCmap_type: 11pointnum_classes: 2TrainDataset:
  !VOCDataSet
    dataset_dir: dataset/ship_detect
    anno_path: train_list.txt
    label_list: labels.txt
    data_fields: ['image', 'gt_bbox', 'gt_class', 'difficult']EvalDataset:
  !VOCDataSet
    dataset_dir: dataset/ship_detect
    anno_path: train_list.txt
    label_list: labels.txt
    data_fields: ['image', 'gt_bbox', 'gt_class', 'difficult']TestDataset:
  !ImageFolder
    anno_path: dataset/ship_detect/labels.txt

       

（2）修改work/PaddleDetection/configs/faster_rcnn/faster_rcnn_swin_tiny_fpn_1x_coco.yml中数据集格式

_BASE_: [  '../datasets/voc.yml',  '../runtime.yml',  '_base_/optimizer_swin_1x.yml',  '_base_/faster_rcnn_swin_tiny_fpn.yml',  '_base_/faster_rcnn_swin_reader.yml',
]
weights: output/faster_rcnn_swin_tiny_fpn_1x_coco/model_final

    In [ ]

# 2.选用PaddleDetection中的目标检测模型，修改参数以及数据集路径，这里选用faster_rcnn_swin_tiny_fpn_3x_coco.yml对数据进行训练。%cd ~/work/PaddleDetection
!python3.7  ./tools/train.py -c ./configs/faster_rcnn/faster_rcnn_swin_tiny_fpn_3x_coco.yml

   

八、模型预测

将预测txt和jpg保存到/home/aistudio/test_a/

In [ ]

# 3.模型预测! cd PaddleDetection && python tools/infer.py -c ./configs/faster_rcnn/faster_rcnn_swin_tiny_fpn_3x_coco.yml --infer_dir=/home/aistudio/测试集/ --save_txt=True --output_dir=/home/aistudio/test_a/ > log.log

    In [ ]

# 4.生成提交文件%cd ~/work/PaddleDetection/dataset/ship_detect/
!python submission.py

# git  # ai  # csv文件  # python  # 多个  # 是一种  # 检测方法  # 中国科学院  # 多维  # 海安  # 英文  # 格式转换  # 中心点  # 海上  # gitee  # https  # paddlepaddle  # 算法  # 切片  # xml  # igs 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： CanvaAI抠图怎么批量处理_CanvaAI批量抠图与团队协作功能【指南】  3步教你用AI创作漫画脚本，从故事到分镜全搞定  Foocus：免费AI图像生成器终极指南及 OnlyFans 替代方案  农业模拟器25：AI助手与GPS终极指南  百度APP搜索框ai怎么关 百度APP搜索框ai图标去除  FundView贷款管理：贷款汇总生成器提升效率  TopMedi AI：AI语音克隆和文本转语音终极指南  识别脱水警告信号：专家解读与健康指南  Google AI 在教育领域个性化学习路径的构建  Brevio AI：利用AI代理提升电商营销效果  Semrush AI标题生成器：免费提升SEO和内容创作效率  扣子AI如何绑定自有域名_扣子AI域名绑定与SSL配置【步骤】  怎么用ai做证件照换底色 AI一键抠图与背景色替换【方法】  GitHub Copilot终极指南：提升代码效率与质量  Kling 2.0终极指南：AI视频创作秘籍，告别低质量  清洁扫地机器人传感器：解决导航和充电难题  利用ChatGPT掌控健康：AI赋能的医疗新时代  DeepSeek AI：AI通用谜题解题器，解题思路全解析  System of a Down：深度剖析《Hypnotize》歌词  Xeon E5-2667 V2性能评测：老平台焕发新生，游戏与工作负载表现分析  Sora 2 API 全面解析：功能、应用与 Lovable 集成指南  Avokaado AI：简化合同管理和法律流程的终极指南  实测效率提升超35%！科大讯飞星火AIPC开启AI办公新纪元  批改网ai检测工具能否检测引用格式_批改网ai检测工具引用格式检查与修正提示【攻略】  百度输入法ai组件怎么删除 百度输入法ai组件移除工具  自动化AI汽车生成挑战赛1966 Gasmea回顾与评分  AI猫咪视频创作指南：轻松打造百万级YouTube Shorts  千问怎么设置快捷指令_千问指令创建与一键调用【技巧】  AI生成克里希纳短视频：一步步教程，快速爆款！  ChatGPT官网免费使用入口 ChatGPT在线版官方地址  雷小兔ai智能写作怎样导入素材_雷小兔ai智能写作素材上传与引用【技巧】  ChatGPT官方入口 ChatGPT官网网页版访问步骤详解  EdrawMax AI：使用人工智能快速创建流程图和图表  利用 ChatGPT 进行高质量代码重构与优化  美图秀秀AI抠图如何换背景_美图秀秀AI背景替换与贴纸添加【攻略】  泰米尔电影猜谜游戏：挑战你的电影知识极限！  文心一言怎么一键生成会议纪要_文心一言纪要生成与重点提取【指南】  怎么用ai生成配色方案 AI设计色彩搭配与灵感获取【技巧】  批改网AI检测工具如何对接学校系统_批改网AI检测工具系统对接与数据同步【步骤】  如何用 ChatGPT 批量处理 Excel 复杂公式  如何用 ChatGPT 快速生成短视频分镜脚本  n8n教程：如何用AI自动生成个性化简历  AI对决：挑战AI上帝，探索信仰与科技的边界  MAKA AI排版怎样设置动画效果_MAKA AI排版动画添加与参数调整【技巧】  豆包AI能否生成领导汇报版总结_豆包AI汇报版精简与结构调整【教程】  百度AI助手在线体验入口 最新版免费试用入口  AI简历生成器：提升求职效率的智能工具  软件工程师必备的AI工具：提升效率的六款利器  如何用AI帮你把小说改编成电影剧本？3步掌握核心技巧  DeepSeek写简历怎么用_DeepSeek写简历使用方法详细指南【教程】 

 2025-07-25