数据主编：冷祥光; 谭向东; 计科峰; 匡纲要（国防科技大学电子科学学院，长沙 410073）

传统SAR舰船目标检测方法通常只适应于完全聚焦后的二维SAR图像。由于聚焦需要进行距离压缩、特别是距离徙动校正和方位压缩等一系列复杂且耗时的处理步骤，这使得目标检测的耗时始终受限于成像时间，很难实现SAR舰船目标的实时检测。针对上述问题，在SAR距离压缩域的舰船检测成为可行的方法。然而，目前仍然缺乏可靠的深度学习舰船检测数据集，能够满足距离压缩域上的检测。针对目前缺乏距离压缩域舰船目标样本数据的问题，本文介绍了RCship-1.0数据集。这是一个专门用于SAR距离压缩域舰船目标检测的数据集。该数据集是从公开的哨兵1号(Sentinel-1)卫星数据中选取若干SAR图像，采用逆线性调频变标（Inverse Chirp Scaling, ICS）算法得到距离压缩域数据。RCShip-1.0包含1000景大尺度SAR距离压缩域数据，为了便于网络训练，将大尺度图像直接切割成15210幅子图像，便于后续在大尺度SAR图像中呈现检测结果。在距离压缩域舰船目标检测数据集上的实验结果证明该数据集的可行性，标准性和公共可用性。

详细使用说明请参考RCShip-1.0数据集下载使用说明.pdf

本数据集引用格式：

[1] X. Tan, X. Leng, K. Ji and G. Kuang. RCShip: A Dataset Dedicated to Ship Detection in  Range-Compressed SAR Data[J]. IEEE Geoscience and Remote Sensing Letters, vol. 21, pp. 1-5,  2024, Art no. 4004805, doi: 10.1109/LGRS.2024.3366749. 

[2] X. Tan, X. Leng, R. Luo, Z. Sun, K. Ji and G. Kuang. YOLO-RC: SAR Ship Detection  Guided by Characteristics of Range-Compressed Domain[J]. IEEE Journal of Selected Topics in  Applied Earth Observations and Remote Sensing, vol. 17, pp. 18834-18851, 2024, doi:  10.1109/JSTARS.2024.3478390. 

[3] 冷祥光, 谭向东, 计科峰, 匡纲要. SAR 距离压缩域舰船目标检测数据集（RCShip-1.0） [OL]. 雷达学报, 2025. https://radars.ac.cn/web/data/getData?newsColumnId=3ba34ef9-045e- 4453-b918-2650dfa3cfd1.

Xiangguang Leng, Xiangdong Tan, Kefeng Ji, Gangyao Kuang. RCShip: A Dataset Dedicated to  Ship Detection in Range-Compressed SAR Data (RCShip-1.0) [OL]. Journal of Radars, 2025. https://radars.ac.cn/web/data/getData?dataType=SARMultidomainShipDetectionDatasetEN&pageType=en

发布时间：2025年8月1日