近年来，多个数据集和开放性挑战任务相继被提出，推动了目标检测领域的发展。为构建更具通用性与强大性能的目标检测系统，本文提出一个全新的大规模基准数据集——BigDetection。我们的目标是通过精心设计的原则，简单地利用现有数据集（LVIS、OpenImages 和 Object365）中的训练数据，构建一个规模更大的数据集，以提升检测器的预训练效果。具体而言，我们构建了一个新的分类体系，统一了来自不同来源的异构标签空间。BigDetection 数据集包含 600 个物体类别，涵盖超过 340 万张训练图像和 3600 万个边界框，其规模在多个维度上均显著超越以往基准数据集，既带来了新的机遇，也提出了更高的挑战。大量实验验证了 BigDetection 作为评估各类目标检测方法的新基准的有效性，同时也证明了其在预训练任务中的卓越性能。