冻结遥感基础模型下的长尾舰船识别与过采样评测

摘要

遥感基础模型为SAR图像提供强表示，但在严重长尾类别不平衡下的行为仍未充分刻画。我们在不平衡OpenSARShip数据集上评估DOFA与SAR-JEPA，并在保持骨干冻结、训练成本较低的固定协议下与ImageNet预训练基线比较。为不经微调缓解不平衡，我们只对少数类嵌入实施四种过采样方法，再以增广嵌入训练轻量分类头。两种基础模型的Macro-F1和测试准确率均相对于各自基线改善；最大的Macro-F1收益分别是DOFA配合ADASYN从34.39到38.56，以及SAR-JEPA配合SVM-SMOTE从25.89到32.30。我们还报告逐类行为，显示总体改善可与特定稀有类别的持续失败并存。嵌入提取与可复现多种子评测代码已提供，以支持在免费层硬件上快速实验。