声明：

本文数据集来源于网络和公开资料，请勿将其用于任何商业牟利行为。本文内容仅供学术交流与研究参考，如因不当使用导致的法律后果，由使用者自行承担。

一、DOTA (A Large-scale Dataset for Object Detection in Aerial Images)

介绍：目前遥感领域最知名、影响力最大的数据集，由武汉大学发布。

• 特点：包含多种分辨率、多种传感器（Google Earth, GF-2等），支持水平框（HBB）和旋转框（OBB）标注。
• 版本：
• V1.0：15类，2,806张图像，18.8万个实例。
• V1.5：增加“集装箱起重机”类，对极小目标（<10像素）进行了精细标注。
• V2.0：增至18类（新增机场、直升机坪），1.1万张图像，179万个实例带注释图像示例。

• 图像示例：

下载链接：

官方下载链接：

https://captain-whu.github.io/DOTA/index.htmlhttps://captain-whu.github.io/DOTA/index.html个人整理百度网盘链接：

通过网盘分享的文件：DOTA.rar
链接: https://pan.baidu.com/s/1e2LSft8HatMMD-syia07-g?pwd=y5mt 提取码: y5mt 
--来自百度网盘超级会员v6的分享

当您全部或部分使用此数据集时，请引用以下论文：

@ARTICLE{9560031,
  author={Ding, Jian and Xue, Nan and Xia, Gui-Song and Bai, Xiang and Yang, Wen and Yang, Michael and Belongie, Serge and Luo, Jiebo and Datcu, Mihai and Pelillo, Marcello and Zhang, Liangpei},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges},
  year={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3117983}}

二、DIOR / DIOR-R

介绍：由西北工业大学韩军伟教授团队发布。

• 特点：规模大，类别分布更均衡。DIOR-R 是其旋转框版本。
• 规格：20个类别（飞机、机场、棒球场、篮球场、桥梁等），23,463张图像，约19万个实例。
• 图像示例：

下载链接：

官方下载链接：

https://pan.baidu.com/s/1iLKT0JQoKXEJTGNxt5lSMg#list/path=%2F

当您全部或部分使用此数据集时，请引用以下论文：

Ke Li, Gang Wan, Gong Cheng*, Liqiu Meng, Junwei Han*. Object detection in optical remote sensing images: a survey and a new benchmark. ISPRS Journal of Photogrammetry and Remote Sensing, 159: 296-307, 2020.

Gong Cheng, Jiabao Wang, Ke Li, Xingxing Xie, Chunbo Lang, Yanqing Yao, Junwei Han. Anchor-free Oriented Proposal Generator for Object Detection. IEEE Transactions on Geoscience and Remote Sensing, 2022.

三、FAIR1M

介绍：由中国科学院空天信息创新研究院发布，针对精细化识别设计。

• 特点：类别极其详尽。例如“飞机”细分为波音、空客等具体型号；“车辆”细分为小车、卡车、厢式货车等。

• 规格：5大类，37个子类，超过100万个实例，4万多张图像。

• 图像示例：

下载链接：

官方下载链接：

https://www.aircas.ac.cn/dtxw/kydt/202409/t20240918_7364598.html

飞浆下载链接：

https://aistudio.baidu.com/datasetdetail/77871

当您全部或部分使用此数据集时，请引用以下论文：

@article{SUN2022116,
title = {FAIR1M: A benchmark dataset for fine-grained object recognition in high-resolution remote sensing imagery},
journal = {ISPRS Journal of Photogrammetry and Remote Sensing},
volume = {184},
pages = {116-130},
year = {2022},
issn = {0924-2716},
doi = {https://doi.org/10.1016/j.isprsjprs.2021.12.004}}

四、NWPU-RESISC45

介绍：是由西北工业大学 (NWPU) 创建的遥感图像场景分类 (RESISC) 公开基准数据集。

• 规格：该数据集包含 31,500 张图像，涵盖 45 个场景类别，每个类别包含 700 张图像。

• 图像示例：

• 

下载链接：

https://pan.baidu.com/s/1mifR6tU#list/path=%2F

当您全部或部分使用此数据集时，请引用以下论文：

Gong Cheng, Junwei Han, Xiaoqiang Lu. Remote Sensing Image Scene Classification: Benchmark and State of the Art. Proceedings of the IEEE, 105(10): 1865-1883, 2017.

五、NWPU VHR-10

介绍：早期的经典数据集，适合入门或轻量级算法验证。

• 特点：包含10类物体，数据量较小（800张图像），易于快速实验。

• 图像示例：

• 

下载链接：

https://pan.baidu.com/s/1DWibgMXGbC1V5aAuN54JUA?pwd=1234

当您全部或部分使用此数据集时，请引用以下论文：

Gong Cheng, Junwei Han, Peicheng Zhou, Lei Guo. Multi-class geospatial object detection and geographic image classification based on collection of part detectors. ISPRS Journal of Photogrammetry and Remote Sensing, 98: 119-132, 2014. (http://dx.doi.org/10.1016/j.isprsjprs.2014.10.002).

六、RSOD (Remote Sensing Object Detection)

介绍：武汉大学发布的针对四类特定目标的数据集。

• 类别：飞机（Aircraft）、油罐（Oil Tank）、操场（Playground）、立交桥（Overpass）。
• 图像示例：

下载链接：

官方下载链接：

https://github.com/RSIA-LIESMARS-WHU/RSOD-Dataset-

飞浆下载链接：

https://aistudio.baidu.com/datasetdetail/122410

当您全部或部分使用此数据集时，请引用以下论文：

Z Xiao, Q Liu, G Tang, X Zhai, "Elliptic Fourier transformation-based histograms of oriented gradients for rotationally invariant object detection in remote-sensing images", International Journal of Remote Sensing, vol. 36, no. 2, 2015

七、HRSC2016 (High-Resolution Ship Collections)

介绍：专门针对舰船检测的高分辨率数据集。

• 特点：图像主要来自海面和港口，包含各种排列紧密的船只，是研究旋转框算法的首选。

• 图像示例：

• 

下载链接：

官方下载链接：

https://ieee-dataport.org/documents/hrsc2016

kaggle下载链接：

https://www.kaggle.com/datasets/guofeng/hrsc2016

当您全部或部分使用此数据集时，请引用以下论文：

Zikun Liu, Hongzhen Wang, Lubin Weng, Yiping Yang, "HRSC2016", IEEE Dataport, April 12, 2025, doi:10.21227/km4k-0385

八、SODA 

介绍：SODA 数据集是一个大规模的小目标检测基准数据集，包含 SODA-D 和 SODA-A 两个子数据集，分别侧重于驾驶场景和空中场景。

下载链接：

官方下载链接：

https://shaunyuan22.github.io/SODA/

当您全部或部分使用此数据集时，请引用以下论文：

Gong Cheng, Xiang Yuan, Xiwen Yao, Kebing Yan, Qinghua Zeng, Xingxing Xie, Junwei Han. Towards large-scale small object detection: Survey and benchmarks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(11): 13467-13488, 2023.

九、MAR20

介绍：MAR20数据集是一个公开可用的遥感图像军用飞机识别数据集，仅供研究用途。该数据集包含3842张图像，涵盖20种类型，共计22341个实例，并标注了水平边界框和方向边界框。

下载链接：

https://pan.baidu.com/s/1VpQGGoSVTdFCtROVnH4s3A?pwd=wye2

当您全部或部分使用此数据集时，请引用以下论文：

Wenqi Yu, Gong Cheng, Meijun Wang, Yanqing Yao, Xingxing Xie, Xiwen Yao, Junwei Han. MAR20: A Benchmark for Military Aircraft Recognition in Remote Sensing Images. Journal of Remote Sensing (Chinese), 2022.

十、UCAS-AOD (Aerial Object Detection)

介绍：由中国科学院大学发布，是遥感目标检测早期的经典数据集。

• 特点：类别精简，图像背景相对干净，非常适合作为新算法的消融实验验证集。

• 类别：飞机（1000张，7482个实例）、车辆（510张，7114个实例）。

• 标注：包含水平框（HBB）和旋转框（OBB）。

• 

下载链接：

https://pan.baidu.com/s/1Y90QDVR0xylWq9wRoslCjA?pwd=km41

当您全部或部分使用此数据集时，请引用以下论文：

Zhu, H., Chen, X., Dai, W., Fu, K., Ye, Q., & Jiao, J. (2015). Orientation robust object detection in aerial images using deep convolutional neural network. IEEE International Conference on Image Processing (ICIP), 3735-3739.