SARSIM 数据集的格式

1. 数据集结构

该数据集由图片数据和元数据标签两部分组成，按背景杂波类型（Surface）分为三个子集：

• Grass (草地):SURF_grass.csv(7056 样本)

• Medium (中等粗糙度):SURF_medium.csv(7056 样本)

• Roads (道路):SURF_roads.csv(7056 样本)

总样本量: 21,168 (7056 × 3)

2. 核心分类 (Ground Truth)

尽管分为三个文件，但它们共享相同的7 类核心目标。每类目标在每个背景下各有1008个样本（完全平衡）。

• 目标类别 (Class Name):

  1. Bulldozer(推土机)

  2. Bus(巴士)

  3. Car(轿车 - 包含 Toyota, Peugeot607 等子型号)

  4. Humvee(悍马)

  5. Motorbike(摩托车)

  6. Tank(坦克)

  7. Truck(卡车)

3. CSV 字段说明 (Metadata)

CSV 中的每一行对应一张 SAR 图片，包含以下关键元数据：

• azimuth: 方位角 (0° - 355°，步长 5°，全角度覆盖)

• class_name:真实标签(训练分类的目标)

• surface: 背景类型 (grass,medium,roads)，应作为干扰项处理，而非分类标签

• model_number: 目标子型号 (例如 Tank 下有65047,86347两种型号)

• depression: 俯仰角 (如 15°, 45°)

• resolution: 分辨率标准 (如mstar)

4. 映射关系

• 一一对应: CSV 中的行号 (Index)直接对应Crop文件夹下的图片文件。

• 逻辑: 第i行的数据描述的是第i张图片（需配合文件名前缀匹配）。

总结建议: 在训练时，请忽略surface差异，直接使用class_name作为唯一的 7 分类标签，以实现最佳的数据聚合效果。