HSOD-BIT ist der erste groß angelegte, qualitativ hochwertige Benchmark-Datensatz zur hyperspektralen Erkennung markanter Objekte, der darauf abzielt, die Vorteile spektraler Informationen zu nutzen, um eine höhere Genauigkeit bei der Erkennung markanter Objekte zu erreichen. Dieser Datensatz zielt auf die Datenanforderungen moderner Deep-Learning-Modelle ab, bietet manuelle Anmerkungen auf Pixelebene für 319 hyperspektrale Datenwürfel und generiert entsprechende Pseudofarbbilder. Jeder Datenwürfel enthält 200 Bänder, die spektrale Informationen vom sichtbaren Licht bis zu Nahinfrarotbändern abdecken, mit einer räumlichen Auflösung von bis zu 1240 × 1680 Pixeln. Zusätzlich zu normalen Szenen sammelt dieser Datensatz auch speziell anspruchsvolle Daten, um die Komplexität der realen Welt widerzuspiegeln, wie z. B. ähnliche Hintergrundstörungen, ungleichmäßige Beleuchtung, Überbelichtung und andere anspruchsvolle Szenen. Dadurch werden die Praktikabilität und Auswertungsmöglichkeiten des Datensatzes weiter verbessert.