LEVIRDet: A Million-Scale 159-Category Dataset and Foundation Model for Universal Remote Sensing Object Detection

📄 arXiv: 2606.25312v1 📥 PDF

作者: Qinzhe Yang, Dongyu Wang, Haohan Niu, Jia Xu, Zhenwei Shi, Zhengxia Zou

分类: cs.CV

发布日期: 2026-06-24

备注: 18 pages, 9 figures

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出LEVIRDet数据集与模型以解决遥感目标检测的碎片化问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 遥感目标检测 大规模数据集 跨域泛化 深度学习 计算机视觉 模型设计 层次感知

📋 核心要点

  1. 现有遥感目标检测方法面临数据集碎片化、类别有限及跨传感器适应性差等挑战。
  2. 本文提出LEVIRDet-159数据集和LEVIRDetNet模型，旨在实现通用遥感目标检测，增强跨域泛化能力。
  3. LEVIRDetNet在9个外部基准上表现优异，平均提升5.02 mAP，展示了其强大的检测性能。

📝 摘要（中文）

遥感目标检测随着大规模基准和现代检测架构的发展迅速进步。然而，现有数据集和检测器仍然存在碎片化问题，大多数基准集中于有限类别、固定空间分辨率或单一传感器，检测器在不同传感器和类别系统间的适应性不足。本文介绍了LEVIRDet-159，这是迄今为止最大的遥感目标检测数据集，包含159个类别、256万边界框和70万细粒度注释。基于此数据集，我们设计了LEVIRDetNet，一个针对通用遥感目标检测的基础模型，展示了强大的跨域泛化能力，且在9个外部基准上实现了最先进的检测性能，平均提升5.02 mAP。

🔬 方法详解

问题定义：本文旨在解决遥感目标检测领域中数据集的碎片化问题，现有方法在类别、空间分辨率和传感器适应性方面存在不足，限制了检测器的广泛应用。

核心思路：提出LEVIRDet-159数据集，包含159个类别和256万边界框，设计LEVIRDetNet模型，通过在线视觉地面采样距离（GSD）预测和GSD条件查询调制，提升检测器的跨域泛化能力。

技术框架：LEVIRDetNet模型包括多个模块：在线GSD预测模块、GSD条件查询调制模块和层次感知检测头，能够处理混粒度的遥感监督。

关键创新：LEVIRDetNet的创新在于其层次感知检测头和GSD调制机制，使其能够在不同传感器和类别系统中保持高效的检测性能，与现有方法相比具有显著的优势。

关键设计：模型设计中采用了多层次的损失函数和网络结构，确保在不同尺度和类别下的检测精度，同时优化了模型的训练过程以适应大规模数据集。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

LEVIRDetNet在9个外部基准上实现了最先进的检测性能，平均提升5.02 mAP，超越了最强的完全监督竞争方法，展示了其在跨域泛化方面的卓越能力。

🎯 应用场景

该研究的潜在应用领域包括城市规划、环境监测、农业管理等多个遥感应用场景。通过提供一个全面的数据集和强大的检测模型，研究将推动遥感目标检测技术的发展，促进不同传感器和类别系统间的协同应用，提升实际应用的效率和准确性。

📄 摘要（原文）

Remote sensing object detection has advanced rapidly with the development of large-scale benchmarks and modern detection architectures. However, existing datasets and detectors remain fragmented. Most benchmarks focus on limited categories, fixed spatial resolutions, or a single sensor, while detectors still struggle to work across different sensors and categorical systems. In this paper, we introduce LEVIRDet-159, the largest and most comprehensive remote sensing object detection dataset to date, with 159 categories, 2.56 million bounding boxes, and 700k fine-grained annotations under a multi-level taxonomy. In each key scale dimension, LEVIRDet-159 exceeds the corresponding largest existing remote sensing object detection dataset, containing approximately (7x) more images, (6x) more object instances, and (4x) more categories. Based on this dataset, we design LEVIRDetNet, a scale-hierarchy-aware detection foundation model for universal remote sensing object detection. LEVIRDetNet couples online visual Ground Sampling Distance (GSD) prediction, GSD-conditioned query modulation and allocation, and a hierarchy-aware detection head for mixed-granularity remote sensing supervision. Under stringent evaluation settings, LEVIRDetNet demonstrates strong cross-domain generalization. Even without target-domain training or fine-tuning, it achieves state-of-the-art detection performance on 9 external benchmarks, improving the strongest fully supervised competing methods by 5.02 mAP on average under each benchmark's primary metric. We hope this study will facilitate the development of strongly generalizable remote sensing object detection across diverse category systems, spatial resolutions, and sensor platforms. The dataset and trained models will be released at https://qinzheyang.github.io/LEVIRDet/, accompanying the final paper.