2022数字中国创新大赛-海上船舶智能检测91.65开源方案

项目地址

https://aistudio.baidu.com/aistudio/projectdetail/3468613?contributionType=1

可一键Fork运行。

赛题地址

https://www.dcic-china.com/competitions/10022

赛题背景

赛题介绍

赛题名称：
海上船舶智能检测

出题单位：
国家对地观测科学数据中心
中国科学院空天信息创新研究院

赛题背景：
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的自然因素影响下，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。

赛题任务：
快速精准的检测出船舶的垂直边框是船舶智能检测的基本需求。本赛题以训练数据集中船舶和相应垂直边框信息为学习依据，要求参赛者对测试数据集中的船舶进行检测（图a），求解出船舶对应垂直边框（图b）。

参赛选手需要考虑SAR图像和船舶目标的特性，如背景强散射杂波的不均匀性，目标的不完整性、十字旁瓣模糊和临近目标干扰等，设计科学适用的算法模型进行船舶的智能检测。

训练

本方案使用PaddleDetection套件，使用百度自研的PP-YOLO检测模型。
数据集已经进行了转换，可以直接使用。

解压数据集

%cd /home/aistudio/data/
!unzip data127683/coco_boat.zip
!unzip data127683/test_dataset.zip
!mv 测试集 images

训练模型

configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml文件是本方案的配文件，可修改文件中的参数，来提升模型精度。本方案使用默认参数。数据集路径已经修改为对应的真实路径，可直接执行以下命令开始训练。

%cd /home/aistudio/
!tar xvf /home/aistudio/PaddleDetection.tar.gz
%cd /home/aistudio/PaddleDetection/
!python  tools/train.py --config  configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml --eval --use_vdl True

推理预测

配置文件中的默认设置是训练365个epoch，在AI Studio 32G V100的环境中大概需要训练3天，由于时间的关系，这里直接使用中间的训练结果第184个epoch的模型进行预测。

继续训练精度还会提升，大家可自行训练。

%cd /home/aistudio/PaddleDetection/
!python tools/infer_csv.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml --infer_dir=../data/images/ --output_dir=infer_output -o weights=output/ppyolov2_r50vd_dcn_365e_coco/183

最终在PaddleDetection路径下生成submission.csv文件，下载后提交即可。分数为91.65。