SARDet-100K : Vers un benchmark et un toolkit open-source pour la détection d'objets SAR à grande échelle
La détection d'objets par radar à synthèse d'ouverture (SAR) a récemment attiré une attention considérable en raison de ses capacités d'imagerie inégalables en toutes conditions météorologiques. Cependant, ce domaine de recherche souffre à la fois d'un nombre limité de jeux de données publics (principalement composés de moins de 2 000 images avec des objets mono-catégorie) et d'un accès restreint au code source. Pour relever ces défis, nous avons établi un nouveau jeu de données de référence et une méthode open-source pour la détection d'objets SAR à grande échelle. Notre jeu de données, SARDet-100K, est le résultat d'une enquête intensive, d'une collecte et d'une standardisation de 10 jeux de données existants en détection SAR, offrant ainsi un ensemble de données à grande échelle et diversifié pour les recherches. Selon nos connaissances, SARDet-100K est le premier jeu de données multi-classe à grande échelle au niveau COCO jamais créé dans le domaine de la détection d'objets SAR.Avec cet ensemble de données de haute qualité, nous avons mené des expériences approfondies et identifié un défi crucial dans la détection d'objets SAR : les disparités importantes entre l'apprentissage préalable sur des jeux de données RGB et l'apprentissage fin sur des jeux de données SAR, tant en termes de domaine des données que de structure du modèle. Pour combler ces écarts, nous proposons un nouveau cadre d'apprentissage préalable Multi-Étapes avec Augmentation par Filtrage (MSFA) qui aborde les problèmes sous l'angle des entrées de données, du passage entre domaines et du transfert du modèle. La méthode MSFA proposée améliore considérablement les performances des modèles de détection d'objets SAR tout en montrant une excellente généralisabilité et flexibilité sur divers modèles. Ce travail vise à ouvrir la voie à des avancées supplémentaires dans la détection d'objets SAR. Le jeu de données et le code sont disponibles sur https://github.com/zcablii/SARDet_100K.