图像去雾常见数据集

近年来，随着深度学习技术的快速发展，图像去雾任务成为计算机视觉领域的重要研究方向之一。高质量的数据集是算法研究的基础，本文将介绍一些常用的图像去雾数据集，包括其特点、应用场景以及下载地址。

1. RESIDE 数据集

RESIDE（REalistic Single Image DEhazing）数据集是目前最常用的图像去雾数据集之一。该数据集提供了多种规模的子数据集，主要分为以下几部分：

• Indoor Training Set (ITS): 室内合成雾图像及对应的无雾图像。

• Outdoor Training Set (OTS): 室外合成雾图像及对应的无雾图像。

• SOTS (Synthetic Objective Testing Set): 用于测试的合成数据，分为室内和室外两部分。

• HazeRD: 包含真实的雾天图像和近似无雾的对比图像。

特点：

• 数据量大，包含合成和真实图像。

• 适用于训练和测试深度学习模型。

下载地址：

ITS (Indoor Training Set)：

（Baidu Yun）：​​​​​​http://tinyurl.com/yaohd3yv Passward: g0s6

OTS (Outdoor Training Set)： https://pan.baidu.com/s/1YMYUp5P6FpX_5b7emjgrvA

Passward: w54h

SOTS (Synthetic Objective Testing Set)：

（Baidu Yun）: https://pan.baidu.com/share/init?surl=SSVzR058DX5ar5WL5oBTLg

Passward: s6tu

HSTS (Hybrid Subjective Testing Set)：

（Baidu Yun）：https://pan.baidu.com/s/1cl1exWnaFXe3T5-Hr7TJIg

Passward: vzeq

2. D-Hazy 数据集

D-Hazy 是基于 Middlebury 数据集生成的合成雾图像数据集，主要用于深度估计和去雾任务。

特点：

• 使用真实场景图像生成的合成数据，具有较高的真实性。

• 提供与雾浓度相关的深度图信息。

下载地址：https://www.cvmart.net/dataSets/detail/559?channel_id=op10&utm_source=cvmartmp&utm_campaign=datasets&utm_medium=article

3. O-HAZE 数据集

O-HAZE 是一个室外真实雾天图像数据集，拍摄于受控环境下，提供无雾与有雾场景的配对图像。

特点：

• 真实场景，无需担心合成数据的域偏差问题。

• 适合验证算法在真实场景中的性能。

下载地址：http://www.vision.ee.ethz.ch/ntire18/o-haze

4. I-HAZE 数据集

I-HAZE 是一个室内真实雾天图像数据集，与 O-HAZE 类似，提供配对的有雾与无雾图像。

特点：

• 室内场景，更关注细节还原能力。

• 雾的分布均匀，适合控制变量实验。

下载地址：http://www.vision.ee.ethz.ch/ntire18/i-haze

5. Foggy Cityscapes 数据集

Foggy Cityscapes 是在 Cityscapes 数据集的基础上，使用物理模型生成的合成雾图像数据集，专为自动驾驶和语义分割任务设计。

特点：

• 聚焦于城市街景，具有丰富的语义标注。

• 支持分割和检测任务的联合研究。

下载地址：https://opendatalab.org.cn/OpenDataLab/Foggy_Cityscapes

6. Dense-Haze 数据集

Dense-Haze 是 NTIRE 比赛推出的另一个真实雾天数据集，主要关注浓雾条件下的去雾问题。

特点：

• 高浓度雾条件，具有挑战性。

• 包含真实场景和高质量标注。

下载地址：​​​​​​http://tinyurl.com/yaohd3yv

总结

上述数据集涵盖了室内、室外、真实和合成等多种场景，可以满足不同研究需求。在选择数据集时，建议根据具体任务的应用场景和目标选择合适的数据集，例如真实雾天图像适合模型的实际应用验证，而合成数据则适合模型的快速迭代和训练。

希望本文能为从事图像去雾研究的朋友提供一些帮助！