北航团队发布遥感检测最大数据集 LEVIRDet-159 及基础模型 LEVIRDetNet
北航发布迄今最大遥感目标检测数据集及基础模型，单次训练横扫9个基准，显著提升跨场景泛化能力。
遥感目标检测面临数据集规模小、类别体系不统一等瓶颈。北航团队构建了目前最大规模的遥感检测数据集 LEVIRDet-159，含17.4万张图像、159个类别、256万个标注框，并在此基础上训练出基础模型 LEVIRDetNet。该模型仅单次训练，即可在9个外部基准上达到最优，平均提升5.02 mAP，无需额外微调。
正文摘录
.jpg)  遥感图像目标检测是一项基础且关键的任务，广泛服务于城市监测、交通分析、海事监管、机场管理、应急救援等重要应用。然而，长期以来，遥感目标检测面临一个核心瓶颈：数据集规模有限、类别体系割裂、传感器和分辨率差异巨大，导致模型往往只能在特定数据集或特定场景下表现良好，难以真正泛化到复杂真实世界。 近日，北京航空航天大学史振威教授和邹征夏教授团队发布了一个面向通用遥感目标检测的大规模数据集与基础模型框架 —— LEVIRDet。该研究构建了目前最大规模、最全面的遥感目标检测数据集 LEVIRDet-159，并在此基础上提出了面向通用遥感检测的基础模型 LEVIRDetNet。 LEVIRDet-159 覆盖 159 个目标类别、包含约 17.4 万张遥感图像、超过 256 万个目标标注框，并在飞机、舰船、车辆等典型遥感目标上提供了约 70 万个细粒度标注。在图像数量、目标实例数量、类别数量等关键维度上，LEVIRDet-159 均超过已有代表性遥感目标检测数据集，为训练真正具备跨场景、跨传感器、跨类别体系泛化能力的遥感检测基础模型提供了新的数据基础。