D-hazy数据集
介绍了如何用深度图生成雾天
使用了以下室内数据集
- middlebury
http://vision.middlebury.edu/stereo/data/scenes2014/
2.NYU2 Depth
https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
百度云链接及提取说明：https://blog.csdn.net/sinat_26871259/article/details/82351276
介绍 https://www.jianshu.com/p/870c541337b4
RESIDE
1.训练集 ITS（indoor training set）
室内，合成
利用1399张middlebury 和NYU2 Depth室内深度数据集 生成13990个图。一个 真实值对应10个雾天图
分成13000训练集和990验证集
2. 测试集1 SOTS(synthetic objective testing set)
室内图 算法客观评价
从NYU2中选了500张（与训练集无重复），生成方式与训练集同。
2. 测试集2 HSTS(Hybrid Subjecive testing set)
室外图 人主观评价
10张合成图，与test1同。10张真实图。
RESIDE-beta（增加室外）
OTS(outdoor training set)
用2061张来自北京实时天气的真实室外图，使用【38】
“Learning depth from single monocular
images using deep convolutional neural fields,”
中的算法减少深度的误差和可能生成的视觉造假现象。
beta属于【0.04，0.06，0.08，0.1，0.12，0.16，0.2】7类
A属于【0.8，0.85，0.9，0.95，1】5类
所以共生成572061=72135张
real world task-driven testing set
resides
提取码：kdnk
雾图合成
https://blog.csdn.net/qq_35608277/article/details/116100934
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
