卫星简介：
高分三号（GF-3）卫星作为我国第一颗民用多极化C波段SAR卫星，具有分辨率高（可达1米）、成像幅宽大以及成像模式多样的特点，可以探测丰富的地物信息，在数据反演、目标解译领域具有突出优势，高分三号卫星及其指标的详细介绍请看文章(探秘高分三号卫星，探寻全极化SAR数据产品的独特优势)。高分三号目前在轨3颗星，组网观测，GF-3数据在SAR目标检测、分类与识别等任务中得到了广泛的应用，面向相关应用的开源数据集被陆续提出，推动了国产雷达卫星的业务化应用，同时也为SAR目标解译技术的标准化对比和深入研究提供了有效的样本数据支撑。
数据集汇总：
本文汇总了国内外近年来 基于GF-3不同成像模式 图像的 SAR 图像解译 开源数据集 。
表1 现有基于GF-3的SAR图像解译数据集
（1）SARShip（多源SAR船舶检测数据集[1]，2019年提出）
由中科院空天信息研究院数字地球重点实验室制作的多源SAR图像船舶检测数据集，采用102景国产高分三号SAR影像和108景哨兵1号影像构建，原始数据涵盖了3m、5m、8m、10m和25m多种分辨率与不同 极化方式 ，包含256像素×256像素的船舶切片43819张，共计59535个船舶样本。
原*载下**地址：
https://radars.ac.cn/web/data/getData?dataType=SARGroundObjectsTypes
网盘*载下**：
链接： https://pan.baidu.com
/s/19x-SAvlHmUezavDGyUoqDA?pwd=kbrb
提取码： kbrb
图 1 SARShip 数据集样例
表2 原始SAR图像的详细信息
（2） AIR-SARShip-1.0（SAR舰船检测数据集[2]，2019年提出）
由中国科学院空天信息创新研究院采用高分三号聚束式和条带式的单极化影像构建而成，共包括31景尺寸为3000像素×3000像素、分辨率为1m和3m的SAR图像，其标注文件格式与PASCAL VOC一致，按2：1的比例分割训练与测试样本，既适用于传统的舰船检测算法，也能满足深度学习应用的数据需求。同时该数据集具有场景大目标小的特点，可用于SAR图像小目标检测技术研究。
该数据集后续发布了2.0版本，包括1000像素×1000像素的图像共300张，其他数据源属性与1.0版本保持一致。
原*载下**链接：
https://radars.ac.cn/web/data/getData?newsColumnId=abd5c1b2-fe65-47f7-8ebf-990273a91a48（AIR-SARShip-1.0）
https://radars.ac.cn/web/data/getData?newsColumnId=1e6ecbcc-266d-432c-9c8a-0b9a922b5e85（AIR-SARShip-2.0）
网盘*载下**：
链接： https://pan.baidu.com/s/
1PCh7Od577Djss87uK_lmqA?pwd=vgln
提取码： vgln （AIR-SARShip-1.0）
链接： https://pan.baidu.com/s/
1MrCsuPXraVwtyy1MjHGSjQ?pwd=jgsh
提取码： jgsh （AIR-SARShip-2.0）
图2 AIR-SARShip-1.0数据集场景示例
（3） FUSAR-Ship1.0（SAR-AIS船舶检测识别数据集[3]，2020年提出）
由复旦大学基于高分三号卫星超精细条带模式的SAR影像制作而成，包含HH和VV两种极化方式。从126景影像中生产了尺寸为512像素×512像素的海上目标切片共10125个，其中包含了15类主要船舶、98种船舶子类共5000个带有AIS信息的船舶样本，以及桥梁、沿海陆地、岛屿、海陆杂波等6种其他地物，可用于船舶和海上目标检测识别、尾迹跟踪、变化检测、语义分割等任务。
原*载下**地址：
https://radars.ac.cn/web/data/
getData?dataType=FUSAR
网盘*载下**：
链接：https://pan.baidu.com/s/
1ppqenGmvLssITHNfmNeSBA?pwd=cx1g
提取码：cx1g
图3 FUSAR-Ship1.0数据集船舶类别
图4 FUSAR-Ship1.0 数据集分类框架
（4）SRSDD-SAR（SAR旋转船舶检测识别数据集[4]，2021年提出）
由中国科学院空天信息创新研究院采用高分三号卫星影像制作，成像模式均为聚束式，空间分辨率为1m，具有HH和VV两种极化方式。该数据集从30景SAR影像中提取了666个尺寸为1024像素×1024像素的切片，共计2884个6类船舶样本，同时采用旋转框标记目标，适用于分布密集的船舶检测识别任务。
原*载下**地址：
https://github.com/HeuristicLU/SRSDD-V1.0
网盘*载下**：
链接：https://pan.baidu.com/s/
1nKKAVlGbEXZwAYxUfttEmA?pwd=y0kt
提取码：y0kt
图5 SRSDD-SAR数据集中不同类型的船舶实例
（5） RSDD-SAR（SAR舰船斜框检测数据集[5]，2022年提出）
由海军航空大学构建的舰船目标样本库，采用84景高分三号影像和41景TerraSAR-X影像制作图像切片共7000张，舰船实例10263个，其中高分三号影像涵盖了UFS、FSI、QPSI、FSII、SS等不同成像模式，覆盖3m、5m、8m、10m和25m不同级别的空间分辨率。该数据集采用斜框标记目标以适应分布密集舰船检测任务，同时小目标数量占59.88%，可用于SAR舰船小目标检测技术研究。
原*载下**地址：
https://radars.ac.cn/web/
data/getData?dataType=SDD-SAR
网盘*载下**：
链接：https://pan.baidu.com/s/
1EVDUnqXMfUyEKDGzyI4lBQ?pwd=3a47
提取码：3a47
图6 RSDD-SAR数据集典型场景
（6） MSAR-1.0（大规模多类SAR目标检测数据集[6]，2022年提出）
由安徽大学电子信息工程学院研究团队组织构建，基于高分三号卫星和海丝一号卫星影像提取28449张检测切片，极化方式包括HH、HV、VH和VV，场景覆盖机场、港口、近岸、岛屿、远海和城区等，包括飞机、油罐、桥梁和船只共4类目标，由1851架桥梁、39858条船只、12319个油罐和6368架飞机组成。
图7. MSAR-1.0数据集样例
原*载下**地址：
Https://radars.ac.cn/web/data/getData?dataType=MSAR
网盘*载下**：
链接：https://pan.baidu.com/s/
1PYK6sdD0Fe2h8rjx5PbRPg?pwd=fea2
提取码：fea2
（7） SAR-AIRcraft-1.0（SAR飞机检测识别数据集[7]，2023年提出）
由中国科学院空天信息创新研究院基于高分三号卫星聚束式单极化影像构建的SAR飞机检测识别数据集，分辨率高达1m。该数据集包含4种不同尺寸、7种飞机类别、16463个飞机目标实例的4368幅图像，可用于飞机目标的多尺度检测与识别技术研究。
原*载下**地址：
https://radars.ac.cn/web/data/getData?newsColumnId=f896637b-af23-4209-8bcc-9320fceaba19
网盘*载下**：
链接：https://pan.baidu.com/s/
1UZ_uOqDQpagacew9b4mF8A?pwd=tf8i
提取码：tf8i
图8 SAR-AIRcraft-1.0数据集中不同类别样本示例
（8） AIR-PolSAR-Seg（复杂场景PolSAR地形分割数据集[8]，2022年提出）
由中国科学院空天信息创新研究院基于高分三号卫星全极化条带模式所拍摄的8米分辨率影像制作而成，兼具HH、HV、VH、VV四种极化方式的数据。该数据集包含了一张9082像素×9805像素的幅度影像与2000张512像素×512像素的切片图像，并将其按照8：2比例分割为训练样本和测试样本，具有居民区、工业区、自然地物区、耕地区、水体及其它区域共6种类别，可面向大场景地形分类、水体分割与建筑物提取等多类型任务应用。
原*载下**地址：
https://github.com/AICyberTeam
/AIR-PolSAR-Seg
网盘*载下**：
链接：https://pan.baidu.com/s/
188rROpKfD4PT3v5l4bR2eQ?pwd=44or
提取码：44or
图9 AIR-PolSAR-Seg数据集示例
（9） FUSAR-Map（GF-3 SAR对象级语义分割数据集[9]，2021年提出）：
由复旦大学研究团队构建，该数据集由610幅3米分辨率GF-3单极化SAR图像组成，大小为1024像素×1024像素，包含中国6个省份的8个不同区域，覆盖面积超过4500 km2，划分了水、道路、建筑和植被共4种地形类型，可用于高分辨率单极化SAR图像土地覆盖语义分割任务。
图10 FUSAR-Map数据集SAR图像和相应标签示例
原*载下**地址：
https://pan.baidu.com/s/1DvnesAGs4zmRoIw77IwMog#list/path=%2F
提取码:ae39
网盘*载下**（经压缩后）：
链接：https://pan.baidu.com/s/
1YlhNzGwrQRg7vKSIDlCAFg?pwd=b3co
提取码：b3co
（10） SARBuD 1.0（GF-3精细模式SAR建筑提取数据集[10]，2022年提出）
由中国科学院空天信息创新研究院基于高分三号卫星精细模式单极化SAR影像构建。该数据集包含了256像素×256像素的有效建筑区样本切片共60000张，覆盖多种其它地物类型的负样本切片80000张，兼具大面积聚集城区与小范围山区乡镇等不同分布类型，可满足基于深度学习的SAR建筑区提取技术研究的数据需求。
原*载下**地址：
https://github.com/
CAESAR-Radi/SARBuD
网盘*载下**：
链接：https://pan.baidu.com/s/
1WMLJwCIncAQMiqwYxufRFg?pwd=enn6
提取码：enn6
图11 SARBuD1.0 数据集不同区域的建筑样本示例
参考文献
[1]Wang Y, Wang C, Zhang H, et al. A SAR dataset of ship detection for deep learning under complex backgrounds[J]. Remote Sensing, 2019, 11(7): 765. doi: 10.3390/rs11070765.
[2]孙显, 王智睿, 孙元睿, 等. AIR-SARShip-1.0：高分辨率SAR舰船检测数据集[J]. 雷达学报, 2019, 8(6):852–862. doi: 10.12000/JR19097.
[3]Hou X Y, Ao W, Song Q, et al. FUSAR-Ship: building a high-resolution SAR-AIS matchup dataset of Gaofen-3 for ship detection and recognition. Sci China Inf Sci, 2020, 63(4): 140303, https://doi.org/10.1007/s11432-019-2772-5.
[4]Lei, S.; Lu, D.; Qiu, X.; Ding, C. SRSDD-v1.0: A High-Resolution SAR Rotation Ship Detection Dataset. Remote Sens. 2021, 13, 5104. https://doi.org/10.3390/rs13245104.
[5]徐从安, 苏航, 李健伟, 等. RSDD-SAR：SAR舰船斜框检测数据集[J]. 雷达学报, 2022, 11(4): 581–599.doi: 10.12000/JR22007.
[6]陈杰, 黄志祥, 夏润繁, 邬伯才, 盛磊, 孙龙, 姚佰栋. 大规模多类SAR目标检测数据集-1.0[OL]. 雷达学报, 2022. https://radars.ac.cn/web/data/getData?dataType=MSAR.
[7]王智睿, 康玉卓, 曾璇, 等. SAR-AIRcraft-1.0：高分辨率SAR飞机检测识别数据集[J]. 雷达学报, 2023,12(4): 906–922. doi: 10.12000/JR23043.
[8]Wang Z R, Zeng X, Yan Z Y, Kang J, Sun X. AIR-PolSAR-Seg: A Large-Scale Data Set for Terrain Segmentation in Complex-Scene PolSAR Images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.
[9]Shi X, Fu S, Chen J, Wang F and Xu F. Object-Level Semantic Segmentation on the High-Resolution Gaofen-3 FUSAR-Map Dataset," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 14, pp. 3107-3119, 2021, doi: 10.1109/JSTARS.2021.3063797.
[10]吴樊，张红，王超，李璐，李娟娟，陈卫荣，张波. 2022. SARBuD 1.0：面向深度学习的GF-3精细模式SAR建筑数据集. 遥感学报，26（4）：620-631.