L'ensemble de données contient 10 200 images d'avions, avec 100 images chacune de 102 variantes de modèles d'avions différents, dont la plupart sont des avions. L'avion (principal) de chaque image est annoté avec un cadre de délimitation serré et une étiquette de modèle d'avion hiérarchique.

Les modèles d’avions sont organisés selon une hiérarchie à quatre niveaux. Les quatre niveaux, du plus fin au plus grossier, sont :

• Modèle, par exemple : Boeing 737-76J. Étant donné que certains modèles sont à peine distinguables visuellement, ce niveau n’est pas utilisé pour l’évaluation.
• Variantes, par exemple : Boeing 737-700. Une variante regroupe tous les modèles visuellement indiscernables en une seule catégorie. L'ensemble de données comprend 102 variantes différentes.
• famille, par exemple : Boeing 737. L'ensemble de données comprend 70 familles différentes.
• Fabricant, par exemple : Boeing. L'ensemble de données comprend 41 fabricants différents.
  

Les données sont divisées en trois sous-ensembles de taille égale : formation, validation et test. Les deux premiers ensembles peuvent être utilisés pour le développement, le dernier ensemble ne doit être utilisé que pour l'évaluation finale. Ensuite, le format des données sera décrit.

La création de cet ensemble de données a commencé avec un atelier d'été CLSP de Johns Hopkins en 2012 sur une compréhension détaillée des objets et des scènes dans les images naturelles, avec les participants, par ordre alphabétique, notamment Matthew B. Blaschko, Ross B. Girshick, Juho Kannala, Iasonas Kokkinos, Siddharth Mahendran, Subhransu Maji, Sammy Mohamed, Esa Rahtu, Naomi Saphra, Karen Simonyan, Ben Taskar, Andrea Vedaldi et David Weiss.