RS5M 数据集包含 500 万张带有英文描述的遥感图像。该数据集是通过使用预训练的 VLM 筛选公开可用的图像文本配对数据集和带标签的 RS 数据集而获得的。这些构成了第一个大规模 RS 图像文本配对数据集。