既存のリモートセンシング船舶データセットはすべて切り取られた画像であるため、データセットで学習した検出アルゴリズムを衛星画像の元のスケールに直接適用すると検出性能が低下する問題を解決するために、可視光および近赤外の4つの波長帯の多波長衛星船舶データセット「MMShip」を構築した。本データセットには、衛星画像の元のスケールのデータと切り取られた小スケールの船舶データの両方が含まれる。本データセットは多波長情報を導入し、既存のデータセットが主に可視光画像であり、可視光は照明条件などの影響を受けやすいという欠点を補っている。世界中の海域で雲量が3以下のSentinel-2衛星画像をダウンロードし、大気補正後に10m解像度の赤、緑、青および近赤外の4波長帯のみを選択し、シーン単位で船舶を含む画像を選別した。選別した画像は重複せずに512×512に切り分け、船舶対象を含まない画像は除去した。次に、LabelImageソフトウェアを用いて小スケールデータに対して水平バウンディングボックスのアノテーションを行い、アノテーションデータを元のスケールに逆投影して元のスケールでのアノテーション情報を得た。最後に、いくつかの典型的な検出アルゴリズムを用いて切り取られたMMShip小スケールデータセット上で可視光、近赤外および多波長の比較実験を行った。異なるシナリオを含む多波長衛星船舶目標データセットを構築し、497シーンの元スケールアノテーションデータと5,016組の切り取られた船舶目標画像を含む。比較実験により、近赤外波帯情報の追加が船舶目標検出アルゴリズムの精度向上に寄与することが検証された。多波長船舶データセットMMShipは衛星画像スケールおよび通常画像スケールの多波長船舶目標検出アルゴリズム研究に利用できる。

多波長リモートセンシング;データセット;船舶目標;Sentinel-2