ACDC数据集简介: Adverse Conditions Dataset with Correspondences

Overview

包含fog、nighttime、rain和snow四种常见adverse condition，每种恶劣条件有1000张图片（训练集400/验证集100/测试集500）。BDD100k最大的问题是存在天气标签错误。许多雨天、雪天实际上可以归为overcast或者partly cloudy。

每张图片有（1）像素级别的标注；（2）相同场景下的正常图片；（3）区分确定和不确定语义内容的图像内区域的二值掩码。 

• 训练集和验证集的GT标注已开源，可在官网下载：https://acdc.vision.ee.ethz.ch；
• 我下载并上传的：

链接：https://pan.baidu.com/s/1K5v0u6dtSFmglzDke9PqcA 
提取码：se2c 

数据格式

ACDC的文件目录如下：

{root}/{type}/{condition}/{split}/{sequence}/{sequence}_frame_{frame:0>6}_{type}{ext}

• type：包括：rgb_anon（anonymized RGB图片）；gt（ground-truth annotations）
• condition：包括：fog、night、rain和snow
• split：gt中包括train和val，rgb_anon中包括test\test_ref\train\train_ref\val\val_ref。train包含400张图片、train_ref是这400张图片对应的正常天气下图片；val包含100张图片；test包含500张图片。
• sequence：图片序列
• frame：六位数字
• ext：gt图片独有的后缀，用于说明图片属性。例如：（1）labelIds：用Cityscapes IDs format编码（cityscapesScripts/labels.py at master · mcordts/cityscapesScripts · GitHub），在ACDC中，使用了19个类，包含在Citycapes evaluation中；（2）labelTrainIds：用Cityscapes trainIDs format编码；（3）labelColor：Cityscapes color format，用于可视化；（4）invIds：invalid pixel->1, valid pixel -> 0；（5）invGray：invalid pixel->255, valid pixel->0，用于可视化。