数据主编：刘永祥(国防科技大学电子科学学院)

数据集简介：国防科技大学电子科学学院团队旨在推动“高地慧眼-ATRNet”目标样本数据集，为研究者提供良好的数据基准生态。ATRNet-STAR数据集作为团队建立大规模目标特性数据库的第一步，实现了对之前SAR车辆目标基准数据集MSTAR的新突破。团队花费了近两年的时间完成了方案设计、数据采集与处理以及方法基准构建。

ATRNet-STAR收集了来自40种目标类型（涵盖4车辆大类、21种车辆子类、40种车辆型号，包括轿车、SUV、皮卡、客车、货车、罐车等绝大部分民用车辆类型）、丰富场景（包括城区、工厂、林地、裸土和沙地）、各种成像条件（包括不同角度、波段和极化方式）和多种格式（包括浮点型复数原始数据和处理后的8位幅度数据）近20万幅目标图像，附有详细目标尺寸、目标位置、成像角度、分辨率等标注。它是目前最大的公开SAR车辆识别数据集，规模是以往任何车辆数据集的10倍以上。其充足的目标样本可以支撑生成、检测和分类等各方面的研究。

同时，为了便于研究创新和方法比较，团队建立了一个精心设计的分类和检测方法基准ATRBench，包括面向鲁棒识别、少样本识别和迁移学习等7种实验设置和15种代表性方法。实验结果表明，复杂条件下的SAR ATR仍然极具挑战，同时大规模预训练模型表现出了相对优秀的性能，基于该数据集预训练将有助于识别不同地面目标。

该数据集全面的目标样本和实验基准可为SAR ATR提供一个新的研究平台，将为进一步促进SAR ATR领域发展。如有更多需求，欢迎联系邮箱lwj2150508321@sina.com 李玮杰博士。

详细使用说明请参考：高地·慧眼-ATRNet数据集-STAR-1.0-使用说明.pdf

本数据集参考文献与引用格式：

[1] 刘永祥，李玮杰，刘丽，周洁，彭渤文，宋娅菲，熊旭颖，杨威，刘天鹏，刘振，黎湘. ATRNet-STAR：面向真实场景遥感目标识别的大规模数据集与基准评测（ATRNet-STAR-1.0）[OL]. 雷达学报, 2025. https://radars.ac.cn/web/data/getData?newsColumnId=f4f66a1b-7924-44ab-9fc2-9ccfbabb27ad

Yongxiang Liu, Weijie Li, Li Liu, Jie Zhou, Bowen Peng, Yafei Song, Xuying Xiong, Wei Yang, Tianpeng Liu, Zhen Liu, Xiang Li. ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wilde (ATRNet-STAR-1.0) [OL]. Journal of Radars, 2025. https://radars.ac.cn/web/data/getData?newsColumnId=f2d2f517-4d2f-4995-8ca5-b2d8d280f862&pageType=en

[2] Yongxiang Liu, Weijie Li, Li Liu, Jie Zhou, Bowen Peng, Yafei Song, Xuying Xiong, Wei Yang, Tianpeng Liu, Zhen Liu, Xiang Li. ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wilde[DB/OL]. (2025-03-13)[2025-03-30]. https://arxiv.org/abs/1706.03825.

发布日期：2025年11月13日