xView3-SAR : Détection de l'activité de pêche illicite à l'aide d'images radar à synthèse d'ouverture

Les pratiques de pêche non durables à l'échelle mondiale constituent une menace majeure pour les ressources et les écosystèmes marins. L'identification des navires qui ne figurent pas dans les systèmes de surveillance conventionnels – connus sous le nom de « navires sombres » – est cruciale pour la gestion et la protection de la santé des environnements marins. Avec l'avènement de l'imagerie par radar à ouverture synthétique (SAR) basée sur satellite et des techniques modernes d'apprentissage automatique (ML), il est désormais possible d'automatiser la détection des navires sombres, jour et nuit, quelles que soient les conditions météorologiques. Cependant, les images SAR nécessitent un traitement spécifique au domaine et ne sont pas largement accessibles à la communauté ML. Les objets maritimes (navires et infrastructures offshore) sont relativement petits et peu nombreux, ce qui pose des défis aux approches traditionnelles en vision par ordinateur. Nous présentons le plus grand ensemble de données étiquetées pour entraîner des modèles d'apprentissage automatique à détecter et caractériser les navires et les structures océaniques dans les images SAR. xView3-SAR comprend près de 1 000 images SAR prêtes pour l'analyse provenant de la mission Sentinel-1, avec une résolution moyenne de 29 400 par 24 400 pixels chacune. Ces images sont annotées grâce à une combinaison d'analyses automatisées et manuelles. Chaque image SAR est accompagnée de rasters bathymétriques et d'état du vent co-localisés. Nous fournissons également un aperçu du Défi en Vision par Ordinateur xView3, une compétition internationale utilisant xView3-SAR pour la détection et la caractérisation des navires à grande échelle. Nous mettons à disposition les données (\href{https://iuu.xview.us/}{https://iuu.xview.us/}) et le code (\href{https://github.com/DIUx-xView}{https://github.com/DIUx-xView}) afin de soutenir le développement continu et l'évaluation des approches d'apprentissage automatique pour cette application importante.