引入了土地覆蓋域自適應語義分割(LoveDA)數據集來推進語義和可轉移學習。LoveDA數據集包含來自三個不同城市的5987張高分辨率圖像和166768個帶注釋的對象。與現有數據集相比,LoveDA數據集包含兩個領域(城市和農村),這帶來了相當大的挑戰,因為:1)多尺度對象;2)復雜背景樣本;3)不一致的類分布。LoveDA數據集既適用于土地覆蓋語義分割,也適用于無監督域自適應(UDA)任務。因此,我們對LoveDA數據集進行了11種語義分割方法和8種UDA方法的基準測試。為了應對這些挑戰,還開展了一些探索性研究,包括多尺度架構和策略、額外的背景監督和偽標簽分析。代碼和數據可在https://github.com/Junjue-Wang/LoveDA上獲得。(僅有南京市)