RealScene-ISTD

RealScene-ISTD是一个用于红外小目标检测的真实场景基准数据集，包含图像和掩码文件，以及训练和测试的索引文件。RealScene-ISTD is a real-world benchmark dataset for infrared small target detection, comprising image and mask files as well as training and testing index files.

原始信息汇总

RealScene-ISTD 数据集概述

数据集简介

• 标题: Rethinking Generalizable Infrared Small Target Detection: A Real-scene Benchmark and Cross-view Representation Learning
• 概述: 该数据集专注于红外小目标检测的通用性研究，提供了一个真实场景的基准数据集和跨视图表示学习方法。

数据集结构

• 下载地址: Baidu Drive

• 目录结构:

  ├──./datasets/ │ ├── RealScene-ISTD │ │ ├── images │ │ │ ├── 000001.png │ │ │ ├── 000002.png │ │ │ ├── ... │ │ ├── masks │ │ │ ├── 000001.png │ │ │ ├── 000002.png │ │ │ ├── ... │ │ ├── img_idx │ │ │ ├── train_RealScene-ISTD.txt │ │ │ ├── test_RealScene-ISTD.txt

代码演示

• Gamma_Correction: bash python Dataset_Alignment/gamma_correction.py

• Topk_Fusion: bash python Dataset_Alignment/Topk_Fusion.py

• 小目标补丁下载: Baidu Drive

使用方法

• 训练: bash python train.py

• 测试: bash python test.py

定量结果

RealScene-ISTD测试结果

Method	mIoU (x10(-2))	Pd (x10(-2))	Fa (x10(-6))
ACM-Net	64.25	91.97	250.79
ALC-Net	68.88	90.91	146.85
DNA-Net	73.79	91.33	60.06
RDIAN	59.46	90.70	357.92
ISTDU-Net	74.40	93.87	75.35
UIU-Net	31.75	89.43	2928.64
SCTransNet	75.01	94.29	53.59
Ours	79.32	96.83	5.40

IRSTD-1K测试结果

Method	mIoU (x10(-2))	Pd (x10(-2))	Fa (x10(-6))
ACM-Net	57.68	92.23	115.28
ALC-Net	62.69	92.28	58.99
DNA-Net	64.14	95.64	40.90
RDIAN	60.12	93.96	98.88
ISTDU-Net	63.20	96.98	14.36
UIU-Net	39.10	92.62	7008.86
SCTransNet	66.93	93.96	15.45
Ours	72.44	95.30	14.08

权重下载

• RealScene-ISTD权重: Baidu Drive
• IRSTD-1K权重: Baidu Drive

致谢

• 基于 SCTransNet 构建
• 对比实验基于 BasicIRSTD

搜集汇总

数据集介绍

构建方式

RealScene-ISTD数据集的构建聚焦于红外小目标检测领域，通过采集真实场景下的红外图像数据，结合精确标注的目标掩码，构建了一个具有高度实用性的基准数据集。数据集包含丰富的图像样本和对应的标注文件，通过系统化的数据整理和划分，确保了训练集和测试集的合理分布，为模型训练和评估提供了可靠的数据支持。

特点

RealScene-ISTD数据集以其真实场景的红外图像为核心特点，涵盖了多样化的目标形态和背景干扰，显著提升了数据集的泛化能力。数据集不仅提供了高质量的图像和标注，还通过量化指标（如mIoU、Pd和Fa）为算法性能评估提供了科学依据。其结构化的数据组织形式和开放的访问方式，进一步增强了数据集的实用性和可扩展性。

使用方法

使用RealScene-ISTD数据集时，用户可通过提供的脚本快速实现数据预处理和模型训练。数据集支持主流的深度学习框架，用户只需按照指定的目录结构加载数据，即可进行模型训练和测试。此外，数据集还提供了预训练权重和对比实验代码，方便用户进行性能验证和算法改进。详细的文档和示例代码进一步降低了使用门槛，确保了数据集的易用性。

背景与挑战

背景概述

RealScene-ISTD数据集是近年来红外小目标检测领域的重要基准，由相关研究团队于2023年推出，旨在解决复杂真实场景下红外小目标检测的泛化性问题。该数据集构建于跨视角表示学习的创新框架之上，通过融合多源红外影像数据，为算法提供了更接近实际应用的测试环境。其核心研究问题聚焦于突破传统合成数据集的局限性，推动红外目标检测技术从实验室走向真实世界。作为该领域首个面向真实场景的基准数据集，RealScene-ISTD通过严谨的数据采集和标注流程，显著提升了算法在复杂背景、低信噪比等挑战性条件下的评估可靠性，为后续研究提供了关键的数据支撑。

当前挑战

在领域问题层面，RealScene-ISTD直面红外小目标检测中的三大核心挑战：复杂背景干扰导致的信噪比失衡、目标尺寸微小引发的特征表达困难，以及真实场景中动态环境因素造成的检测稳定性下降。数据集构建过程中，研究人员需要克服真实红外数据获取成本高昂、标注一致性难以保证等技术难题。特别是针对红外影像特有的低对比度特性，开发团队创新性地引入伽马校正和Topk融合等预处理技术，确保数据质量的统一性。跨设备采集带来的视角差异和分辨率变化，也迫使研究者设计更鲁棒的数据标准化方案，这些挑战共同推动了红外检测领域数据建设标准的革新。

常用场景

经典使用场景

在红外小目标检测领域，RealScene-ISTD数据集因其真实场景下的高质量标注数据而成为经典。该数据集广泛应用于算法性能评估和模型优化，特别是在复杂背景下的目标检测任务中。研究者通过该数据集能够有效验证算法在真实环境中的泛化能力，为红外小目标检测技术的进步提供了重要支撑。

实际应用

在实际应用中，RealScene-ISTD数据集为军事侦察、安防监控和工业检测等领域提供了关键技术支持。其丰富的场景数据能够有效训练出适应复杂环境的检测模型，显著提升了红外成像系统在夜间、雾霾等恶劣条件下的目标识别能力，具有重要的工程应用价值。

衍生相关工作

基于RealScene-ISTD数据集，学术界涌现出SCTransNet、DNA-Net等一系列经典工作。这些研究通过引入注意力机制、跨模态融合等创新方法，不断刷新数据集的性能基准。特别是该数据集与BasicIRSTD等基准的对比实验，为领域内的方法评估提供了标准化范式。