HSOD-BIT-V1 高光谱显著目标检测基准数据集_高质量 SOD 深度学习数据集

HSOD-BIT-V1 是首个大规模、高质量的高光谱显著目标检测（SOD）基准数据集，专为当代深度学习模型的训练与验证打造，依托光谱信息优势提升显著目标检测任务的精度，为计算机视觉、遥感影像分析等领域的研究提供优质数据支撑。

本数据集包含319 个高光谱数据立方体，均完成像素级手动精准标注，同时配套生成对应伪彩色图像，数据标注质量高、可用性强。每个数据立方体涵盖200 个波段，光谱信息覆盖可见光至近红外波段，数据立方体空间分辨率高达 1240×1680 像素，光谱与空间维度信息丰富，能满足精细化检测研究需求。

在数据场景设计上，除常规基础检测场景外，数据集针对性收集了相似背景干扰、光照不均匀、过度曝光等具有现实挑战性的场景数据，高度还原真实世界的复杂检测环境，有效增强了数据集的实际应用价值和模型评估能力，可充分验证深度学习模型在复杂场景下的高光谱显著目标检测性能。

数据集覆盖范围

光谱维度：可见光 - 近红外波段，200 个有效波段的完整光谱信息；

空间维度：1240×1680 高分辨率，像素级精细空间特征；

场景维度：常规检测场景 + 相似背景、光照不均、过度曝光等复杂挑战性场景；

数据形式：高光谱数据立方体 + 像素级手动标注文件 + 配套伪彩色图像。

数据集可用途径

深度学习模型训练与验证：适用于高光谱显著目标检测（HSOD）相关深度学习算法的研发、训练、性能测试与优化；

学术研究与论文发表：为计算机视觉、遥感图像处理、高光谱影像分析等领域的学术研究提供标准化基准数据集；

算法评估与对比：作为高光谱显著目标检测任务的统一评估基准，实现不同检测算法的性能对比与分析；

科研项目与教学实践：可应用于高校、科研院所的相关专业教学实践，以及科研机构的高光谱相关科研项目研发。