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。

围绕遥感目标检测中的类别体系不一致、标注框规范不统一、细粒度标签可靠性不足等问题，本项研究构建了一套统一的数据标注引擎。通过紧致水平框标注、多层级类别体系、源盲细粒度复标和全图一致性校验，LEVIRDet-159 将来自不同卫星、航空平台和地图服务的遥感数据统一到一个标准化检测协议下。

在严格的 target-training-free cross-benchmark 评测设置下，LEVIRDetNet 在 LEVIRDet-159 上仅通过单次训练，即可直接在 9 个外部遥感目标检测基准上取得 SOTA 水平；即使在没有外部数据集微调的条件下，也可实现相比最强竞争方法平均提升 5.02 mAP 的效果。





为什么遥感检测需要一个 “基础模型”？

过去几年，通用视觉领域已经出现了大量基础模型，但在遥感目标检测中，模型泛化仍然非常困难。原因在于，遥感图像与自然图像相比具有更强的尺度变化、更密集的小目标、更复杂的成像来源，以及更不统一的类别体系。

例如，同样是 “飞机”，在高分辨率机场图像中可以进一步区分为不同机型，而在低分辨率图像中可能只能可靠识别为 “飞机” 这一父类。类似地，船舶、车辆等目标也存在大量细粒度类别，但其可辨识程度高度依赖地面采样距离、目标尺寸和图像质量。

因此，遥感检测模型不能只依赖更大的网络或更多的数据，还需要在模型结构中显式建模遥感图像的物理尺度、场景密度和语义层级关系。这也是 LEVIRDetNet 的核心出发点：把遥感图像中的尺度、密度和层级类别信息放进同一个端到端检测框架。

LEVIRDet-159：不只是 “大”，

更是 “统一” 和 “细粒度”

LEVIRDet-159 的一个核心特点是大规模、多源、统一协议和多层级类别体系并重。

该数据集包含 174,488 张图像、超过 1735 亿像素、2,563,973 个目标实例，覆盖 30 个常见遥感父类和 159 个目标类型。其中，细粒度分支包括 45 类飞机、13 类车辆和 71 类舰船，使其不仅是一个通用遥感检测数据集，也是一个多目标族细粒度检测基准。





从目标尺度看，LEVIRDet-159 同时覆盖极小目标、小目标、中等目标和大型结构目标。其中，大量目标尺寸小于 32 像素，能够有效支撑遥感场景中典型的小目标和密集目标检测研究。



从数据来源看，LEVIRDet-159 融合了卫星影像、航空影像、地图服务影像以及多个公开遥感资源，覆盖 SPOT、高分系列、吉林一号、Pleiades、Google/Baidu 地图服务、Bing 影像等多种来源，具有较强的跨平台和跨成像条件多样性。



不过，LEVIRDet-159 的价值并不只是 “把更多数据组合在一起”。团队对原始数据进行了系统化重建：约 148 万个标注框为新增标注，约 85 万个标注框经过几何修正或细粒度重标注。换言之，LEVIRDet-159 是在统一标注规范和语义体系下重新组织、校准和扩展得到的，而不是已有数据集的简单合并。



LEVIRDetNet：面向通用遥感检测的

尺度 - 层级感知基础模型

基于 LEVIRDet-159，团队进一步提出了 LEVIRDetNet，一个面向通用遥感目标检测的尺度 - 层级感知基础模型。

LEVIRDetNet 以端到端检测框架为基础，引入了三个面向遥感场景的关键设计：

第一，在线视觉空间分辨率（Ground Sampling Distance, GSD）预测。遥感图像中，目标在图像中的像素大小与真实物理尺度之间高度相关。LEVIRDetNet 不依赖外部元数据，而是直接从图像内容中预测视觉 GSD，并将其作为模型的尺度条件信号。

第二，GSD 条件化查询调制与动态查询分配。遥感图像既可能包含稀疏的大目标，也可能包含成百上千个密集小目标。LEVIRDetNet 根据图像尺度和场景密度动态调整检测查询，使模型在稀疏场景中减少冗余计算，在密集小目标场景中保留足够检测能力。

第三，层级感知检测头。面对父类与细粒度子类共存的遥感类别体系，传统扁平分类器容易将语义相容的预测视为错误。LEVIRDetNet 通过层级感知分类机制，在训练中同时利用父类、子类和祖先路径信息，使模型能够更好地处理混合粒度标注，并兼容常规平面类别评测。

这些设计使 LEVIRDetNet 不仅 “看得多”，也能更好地理解遥感图像中的尺度变化、目标密度和类别层级结构。



直接横扫 9 个外部基准

为了验证模型的真实泛化能力，团队采用了严格的 target-training-free cross-benchmark 评测设置：模型只在 LEVIRDet-159 上训练一次，随后直接测试在 9 个外部遥感目标检测基准上，不使用目标数据集的训练图像、标注或微调。

这一设置比常规监督评测更加严格。常规方法通常需要在每个目标数据集上重新训练或微调，而 LEVIRDetNet 则以单一模型、单套权重直接迁移到不同数据集。

结果显示，LEVIRDetNet 在 9 个外部基准上均取得第一名，平均主指标 AP 达到 80.56%，相比最强的全监督竞争方法平均提升 5.02 mAP。在与开放集检测和 grounding 模型的对比中，LEVIRDetNet 也展现出更稳定的精确率和召回率，特别是在实际应用常用的置信度阈值下表现更可靠。

这说明，LEVIRDetNet 并不是在单一数据集上 “刷榜”，而是在跨类别体系、跨空间分辨率、跨传感器平台的复杂设置下，展现出遥感检测基础模型应有的泛化能力。







遥感目标检测迈向 “通用模型” 阶段

LEVIRDet 的发布，标志着遥感目标检测正在从 “小规模专用数据集 + 单任务模型” 的阶段，走向 “大规模统一数据体系 + 通用基础模型” 的新阶段。

对于科研社区而言，LEVIRDet-159 提供了一个覆盖类别更广、标注更密集、来源更多样、协议更统一的大规模数据基础。对于模型研究而言，LEVIRDetNet 展示了如何将遥感领域知识融入检测基础模型，包括 GSD、场景密度、目标尺度和类别层级等关键因素。

未来，随着完整图像、标注、源许可证清单、代码和训练模型的开放，LEVIRDet 有望进一步推动通用遥感目标检测、细粒度遥感识别、跨域遥感解译和遥感视觉基础模型的发展。

在真实地球观测场景中，模型需要面对的从来不是单一数据集，而是多源、多尺度、多类别、多任务并存的复杂世界。LEVIRDet 的目标，正是让遥感目标检测模型从 “适配一个基准”，走向 “理解真实世界”。