**作者：*Gui-Song Xia1†, Xiang Bai2†*, Jian Ding1, Zhen Zhu2，Serge Belongie3, Jiebo Luo4, Mihai Datcu5, Marcello Pelillo6, Liangpei Zhang1

一、研究背景

遥感图像目标检测与传统图像目标检测的不同

1. 物体的变化规模大，不仅是因为图像的分辨率，还由于同一对象类别内的大小变化。
2. 遥感图像的小图像非常的密集，而且遥感图像中物体的密度是不平衡的，例如有的小图像（1k×1k）包含1900个instance，而大图像（4k×4k）才包含4-5个instance
3. 遥感图像中的物体都是以任意角度出现的
4. 并且跨数据集的泛化程度通常很低

已有的遥感图像数据集（UCAS-AOD，NWPU VHR-10）通常都是在理想状态下的，例如有干净的背景，没有密集分布的instance

二、贡献

1. 已知的最大的遥感图像数据集（有标注的）
2. 在DOTA上对最先进的目标检测算法进行了基准测试，这可以作为未来算法开发的基线

三、DOTA数据集

DOTA（Object Detection in Aerial images）

1. 包含2806张遥感图像
2. 每张图像大小为4000×4000
3. 包含各种尺度、方向和形状
4. 15个类别
5. 共有188,282个实例 http://captain.whu.edu.cn/DOTAwebhttps://captain-whu.github.io/DOTA

3.1 好的遥感图像数据集应该具备的属性

1. 大量的图像
2. 每一个类别都有大量的instance
3. 尽可能多的任意角度的标注