Cet ensemble de données est un ensemble de données de détection et de suivi de cibles mobiles vidéo par satellite à grande échelle. Il s'agit de vidéos haute résolution prises par la plate-forme satellite Jilin-1. Il a une résolution de 12 000 × 5 000 pixels, couvre une superficie de plusieurs kilomètres carrés et comprend quatre types courants de cibles mobiles telles que les avions, les voitures, les navires et les trains. Ces cibles ont été annotées manuellement avec un total de 853 911 instances annotées par des cadres de délimitation alignés sur les axes.

L'ensemble de données VISO vise à faire progresser l'état de l'art en matière d'analyse vidéo par satellite en relevant les défis existants tels que la petite taille des objets, la faible résolution spatiale et les informations limitées sur l'apparence et la texture. L'ensemble de données fournit des sous-ensembles pour la formation, la validation et les tests, où les ensembles de formation et de validation contiennent des informations d'annotation, tandis que l'ensemble de test contient uniquement des images.