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： BEILA：用AI驱动的低代码开发平台详解  手相解析：生命线的形状与意义详解，预示健康、财富和命运  AI面试助手：提升招聘效率的终极工具  Gemini怎样连接Google账号_Gemini账号连接方法【方法】  如何用AI一键生成求职简历？AI简历优化与制作工具推荐【干货】  颠覆认知！《小丑回魂》幕后：用爆笑台词颠覆你的恐怖想象  AI邮件营销风险解析：如何规避客户触达的潜在陷阱  LALAL.AI教程：音视频人声分离、降噪终极指南  Roblox Studio AI 助手：创意构建与无限可能  lovemo手机网页版入口 lovemo官网登录网址  Fiverr网站审计终极指南：免费工具、SEO技巧和实战案例  Sora 2 API 全面解析：功能、应用与 Lovable 集成指南  ChatGPT助力Instagram Reels脚本创作：提升内容质量  10平米房间设计终极挑战：人类 vs AI，DIY极简主义胜出！  通义万相AI绘画怎么用_通义万相AI绘画使用方法详细指南【教程】  深度解析Coldplay酷玩乐队《Viva la Vida》的音乐内涵  如何用AI设计一个Logo？5个步骤教你打造专属品牌标志  AI 驱动的潜在客户生成：终极自动化指南  想做自媒体？教你用AI批量生成视频脚本，实现内容自由  Claude如何关闭自动续费_Claude续费关闭方法【方法】  智行ai抢票怎么选优先车次_智行ai抢票车次优先级设置技巧【指南】  Feelin网页版在线入口 Feelin官方网站导航  电脑百度ai助手怎么关闭 电脑版百度ai助手移除教程  美图秀秀AI抠图如何修复抠图误差_美图秀秀AI误差修复与手动涂抹【指南】  千问怎样用提示词获取健康建议_千问健康类提示词注意事项【指南】  Talvix AI：AI驱动的招聘平台，提升招聘效率和质量  使用 ChatGPT 构建自动化 SEO 关键词库  如何用AI一键生成手机壁纸？4K高清AI壁纸生成关键词【分享】  批改网ai检测工具怎样生成改进建议_批改网ai检测工具改进建议查看与应用【攻略】  tofai官网正版入口 tofai网页版免费使用  AI音乐创作：颠覆传统，开启音乐新纪元  Vivo V50e 5G AI功能：最佳AI特性深度解析  Dr.Job AI：职场简历优化终极指南，提升求职成功率  DeepSeek 辅助进行硬件描述语言 Verilog 调试  11月问界汽车哪里卖的多？成都力压北上广深位居第一  唐库AI拆书工具怎么查看拆书进度_唐库AI拆书工具进度查看与异常排查【方法】  AI Buildr: 构建 AI 应用的终极指南  兔展AI排版如何批量生成多尺寸图_兔展AI排版多尺寸批量生成步骤【实操】  使用ChatGPT快速生成专辑封面：AI艺术创作指南  精选AI销售工具：提升业绩的终极指南（2025年最新）  DiagramMagic：AI驱动的在线图表生成器终极指南  Gemini怎么用新功能实时问答_Gemini实时问答使用【步骤】  艺龙旅行AI怎样筛选最优车次_艺龙AI车次筛选与耗时最短推荐【攻略】  如何用AI一键生成名片设计 AI个人电子名片制作指南【教程】  深度学习姿态估计：技术、应用与未来趋势全解析  探索孟加拉音乐魅力：高尔德普林特莎丽，节日欢歌  lovemo官网网页版入口 lovemo官网登录入口  斑马AI怎样注册账号_斑马AI注册流程与儿童信息绑定【教程】  ChatGPT 4o图像生成器：免费AI绘画技巧与应用  批改网AI检测工具怎样设置检测维度_批改网AI检测工具维度勾选与权重调整【技巧】 

 2025-07-25