最近挖到一个计算机视觉领域的稀缺宝藏数据集 ------MCOD，它是首个专门为多光谱伪装目标检测设计的挑战性基准数据集，已被 MM '25（第 33 届 ACM 国际多媒体会议）收录，对做伪装目标检测、多光谱图像处理相关研究的小伙伴来说太实用了，赶紧存下来分享一波！
📝 数据集核心价值
传统伪装目标检测（COD）数据集多基于 RGB 单模态，在小目标、极端光照等复杂场景下难以提供有效支撑，而 MCOD 填补了这一空白 ------ 它聚焦多光谱伪装目标检测，通过融合丰富的光谱信息，大幅提升前景与背景的区分度。作为该领域首个多光谱基准数据集，能为相关算法的开发、验证提供高质量真实场景数据，有效突破 RGB-based 方法的性能瓶颈。
👥 研发团队
由北京理工大学团队打造：Yang Li、Tingfa Xu、ShuYan Bai、Peifu Liu、Jianan Li
📊 数据集核心优势
- 全面的挑战属性：覆盖伪装目标检测中常见的真实难点，如小目标尺寸、极端光照条件等；
- 多样的真实场景：涵盖广泛的自然环境，更贴合实际应用场景；
- 高质量像素级标注：每张图像均经过人工标注，包含精准的目标掩码和对应的挑战属性标签。
📥 自用备份版下载（已亲存网盘）
我已经把数据集存到自己网盘啦，方便大家直接获取：
🔗 完整资源链（溯源必备）
💡 我自己已经备份好了，分享出来一是方便大家取用，二是给自己留个存档（免得后续找不着）。实验表明，在 MCOD 数据集上，多光谱模态能显著缓解复杂场景下检测性能的下降，做相关方向研究的同学千万别错过，使用时记得引用原论文哦～ 数据集采用 CC BY-NC-ND 4.0 许可协议，仅用于学术研究，如需修改或二次分发需获得授权。