精华内容
下载资源
问答
  • 双目立体匹配测试数据集Middlebury Stereo Datasets,包含Middlebury Stereo官网上面的2014的数据集双目图像和相机参数,分享给大家。
  • 原网站下载整理,因为完整数据集几个G,所以仅仅整理上传了双目图像,资源太大总共分为三部分,在这提供给大家
  • 双目标定图像数据集

    2018-11-15 14:52:30
    数据集数量为40张. 标定后的T如下 T: !!opencv-matrix rows: 3 cols: 1 dt: d data: [ -6.0660435539064854e-02, -1.2209630833796844e-04, 9.8321891780593206e-04 ] ``` 两个虚拟相机的基线b=normal(T) 标定...
  • 双目立体视觉数据集 Stereo dataset

    千次阅读 2019-09-12 17:23:48
    Stereo dataset 1.Middlebury Stereo(室内场景, 几十对, 分辨率高) 2.KITTI(室外驾驶场景, 200对) 3.ETH3D(27 training and 20 test frames) 4.InStereo2K(室内场景, 2000 training and 50 test frames) ...

    Stereo dataset

    1.Middlebury Stereo(室内场景, 几十对, 分辨率高)
    2.KITTI(室外驾驶场景, 200对)
    3.ETH3D(27 training and 20 test frames)
    4.InStereo2K(室内场景, 2000 training and 50 test frames)

    展开全文
  • 双目数据集

    2021-12-16 17:44:28
    深度估计常用数据集
    1. SceneFlow:一个包含 35454 个训练图像和 4370 个测试图像的大型合成数据集,H = 540 和 W = 960。该数据集提供密集而精细的真实视差图。一些像素有很大的视差。一般在我们的实验中将大视差排除在损失计算之外。终点误差 (EPE) 是主要的评估指标。
    2. KITTI 2015:真实世界数据集,包含来自驾驶汽车的街景。它包含 200 个使用 LiDAR 获得的具有稀疏真实视差图的训练立体图像对和另外 200 个没有真实视差图的测试图像对。图像大小为 H = 376 和 W = 1240。我们一般将整个训练数据分为训练集(80%)和验证集(20%)。D1_all是主要的评估指标。
    3. KITTI 2012:真实世界数据集,包含来自驾驶汽车的街景。它包含 194 个使用 LiDAR 获得的具有稀疏真实视差图的训练立体图像对和 另外195 个没有真实视差图的测试图像对。图像大小为 H = 376 和 W = 1240。我们一般将整个训练数据分为训练集(160 个图像对)和验证集(34 个图像对)。Out_Noc是主要的评估指标。

    KITTI 2012和KITTI 2015 的区别:KITTI 2015中具有挑战性的区域(例如汽车挡风玻璃)的真实视差更准确,因为它使用 CAD 模型来生成用于评估的视差值。此外,只有 KITTI 2015 包含语义分割的真实分割左图。
    评估标准:NOC和ALL两种重叠区域, 预 测 视 差 − 真 实 视 差 < 3 p i x e l 预测视差 - 真实视差<3 pixel <3pixel 或者 预 测 视 差 − 真 实 视 差 < 真 实 视 差 ∗ 5 % 预测视差 - 真实视差< 真实视差 * 5\% <5%就被认为是正确的预测。

    1. Cityscapes:是一个用于语义城市场景理解的数据集。它包含从 50 个城市收集的 5000 张立体彩色图像,每对左视图都有高质量的像素级真实语义标签。这些图像被分成若干组,其中 2975 张用于训练,500 张用于验证,1525 张用于测试。Cityscapes 在额外的训练集中提供了 19997 个立体图像及其 SGM 视差图。
    2. Middlebury 2014:由一个训练集和一个测试集组成,每个集都有 15 个图像对,分别具有三种分辨率,全 (F)、半 (H) 和四分之一 (Q)。训练集提供了真实视差图。评估指标有10个,例如 99% 的像素误差分位数 (A99) 和像素均方根视差误差 (RMS)。
    3. ETH3D:具有室内和室外场景的灰度图像数据集。它包含 27 个训练和 20 个测试图像对,带有稀疏标记的真实视差。
    展开全文
  • ETH3D双目数据集

    2020-04-02 18:41:09
    ETH3D数据集中的双目图像部分,包括双目图像和相机参数,在自己实验过程中用到的,分享给大家,希望有帮助。
  • 显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著性检测数据集MSRA图像库和mark图
  • 标定板拍摄的张数要能覆盖整个测量空间及整个测量视场,把相机图像分成四个象限(如图1所示),应保证拍摄的标定板图像均匀分布在四个象限中,且在每个象限中建议进行不同方向的两次倾斜,图2是一组推荐摆放方式图片...
  • KITTI 2012/2015双目立体匹配(stereo matching)数据集百度云下载-附件资源
  • 图像融合数据集

    2020-11-04 10:02:21
    图像数据集网站 CVonline:图像数据库 YACVID TNO Image Fusion Dataset 多聚焦图像 http://www.pxleyes.com/photography-contest/19726 ...

    图像数据集网站,多聚焦图像数据集,红外可见光图像数据集,高光谱图像数据集

    图像数据集网站

    CVonline:图像数据库


    YACVID

    TNO Image Fusion Dataset

    多聚焦图像

    http://www.pxleyes.com/photography-contest/19726

    https://mansournejati.ece.iut.ac.ir/content/lytro-multi-focus-dataset

    http://dsp.etfbl.net/mif/

    https://github.com/sametaymaz/Multi-focus-Image-Fusion-Dataset

    https://ww2.mathworks.cn/matlabcentral/fileexchange/45992-standard-images-for-multifocus-image-fusion?s_tid=FX_rc3_behav

    医学图像

    www.med.harvard.edu/aanlib/home.html

    真彩色图像

    http://r0k.us/graphics/kodak/

    红外与可见光图像

    https://figshare.com/articles/TN_Image_Fusion_Dataset/1008029

    http://vcipl-okstate.org/pbvs/bench/

    http://www.cis.rit.edu/pelz/scanpaths/data/bristol-eden.htm

    http://www02.smt.ufrj.br/~fusion/

    https://www.goes.noaa.gov

    https://ivrl.epfl.ch/research-2/research-downloads/supplementary_material-cvpr11-index-html/

    在这位博主Daniel__Shi文章基础上补充了一些数据集

    高光谱数据集网站

    [高光谱数据集库RSLAB]

    自然场景的高光谱图像 - 2002(David H. Foster)
    自然场景的高光谱图像 - 2004(David H. Foster)
    五个多光谱成像数据集
    spacenet 

    1. Area of Interest 1 (AOI 1) - Location: Rio de Janeiro. 50cm imagery collected from DigitalGlobe’s WorldView-2 satellite. The dataset includes building footprints and 8-band multispectral data.
    2. Area of Interest 2 (AOI 2) - Location: Vegas. 30cm imagery collected from DigitalGlobe’s WorldView-3 satellite. The dataset includes building footprints and 8-band multispectral data.
    3. Area of Interest 3 (AOI 3) - Location: Paris. 30cm imagery collected from DigitalGlobe’s WorldView-3 satellite. The dataset includes building footprints and 8-band multispectral data.
    4. Area of Interest 4 (AOI 4) - Location: Shanghai. 30cm imagery collected from DigitalGlobe’s WorldView-3 satellite. The dataset includes building footprints and 8-band multispectral data.
    5. Area of Interest 5 (AOI 5) - Location: Khartoum. 30cm imagery collected from DigitalGlobe’s WorldView-3 satellite. The dataset includes building footprints and 8-band multispectral data.
    6. Area of Interest 6 (AOI 6) - Location: Atlanta 27 50cm images collected from DigitalGlobes’ WorldView-2 satellite. The dataset includes building footprints and 8-band multi-spectral data


    15个免费卫星遥感数据源
    用于语义分割的高分辨率多光谱数据集
    worldview2
    ICVL
    Chikusei

    雄安新区(马蹄湾村)航空高光谱遥感影像分类数据集

    Washington DC数据

    Urban数据

    Pavia University和 Pavia Center数据

    Houston数据

    HyRANK数据

    Indian Pine数据

    Salinas Valley数据

    DFC2018 Houston数据

    KSC数据集

    Cuprite数据

    Botswana数据

    landsat数据免费下载指南

    展开全文
  • 点击上方“3D视觉工坊”,选择“星标”干货第一时间送达双目图像超分辨(Stereo Image SR)当前处于起步阶段,领域内算法数量不多,性能还有较大的提升空间。笔者将在本文中简述双目...

    点击上方“3D视觉工坊”,选择“星标”

    干货第一时间送达

    双目图像超分辨(Stereo Image SR)当前处于起步阶段,领域内算法数量不多,性能还有较大的提升空间。笔者将在本文中简述双目图像超分辨领域近年来的主要工作,并简要分析该领域存在的挑战与未来工作。

    一、简介与相关工作

    大家检查视力时经常会有这样的体验:有时左眼与右眼均无法单独看清视力表的某一行,但是双眼一起就能看清。其中所蕴含的原理让我们深思:左眼与右眼所成图像通常含有互补信息,其有利于对图像的重建与细节的恢复。这便是双目图像超分辨的核心思想——利用左右图的互补信息提升图像的分辨率。随着双摄像头成像设备的发展,双目图像超分辨在手机摄像、遥感、侦察监视、智能机器人等领域具有光明的发展前景。

    1. StereoSR(CVPR2018)

    StereoSR 出自韩国科学技术院(KAIST),可以算作是双目图像超分辨领域的 “开山之作”(不是严格意义上的)。其设计思路相对比较简单,网络结构如下图:

    StereoSR在解决双目图像视差方面的思路为:将右图水平移动不同像素,生成64张副本图像,将其与左图级联后送入网络进行重建。对于图像中的任一区域(前提是视差不太大),左图总会和移动某个像素值之后的右图对应,从而对左右图的互补信息进行利用。其网络结构类似于单图超分辨网络VDSR,在生成高分辨率Y通道图像后,该算法又利用另外一个子网络去学习YCbCr到RGB的转换。StereoSR是双目图像超分辨领域一个比较初级的奠基性的工作,实验结果也仅仅展示了其性能优于SISR网络SRCNN 与 VDSR。

    2. PASSRnet(CVPR2019)& Flickr1024 Dataset(ICCVW2019)

    PASSRnet 出自笔者所在课题组,前期已有公众号对该工作进行了报道,内容见链接。相比于StereoSR,PASSRnet的网络设计更加精巧,巧妙地将注意力机制引入到双目视觉中并提出“视差注意力机制”,其网络结构如下:

    PASSRnet网络主要分为特征提取模块(包含残差ASPP与残差块)、视差注意力机制模块(PAM)以及图像重建模块。视差注意力机制模块能够沿双目图像视差方向融合互补信息,不受视差大小的限制,相比于StereoSR具有更强的灵活性与鲁棒性。实验结果方面,PASSRnet的性能超越了单图超分辨算法SRCNN、VDSR、DRCN、LapSRN、DRRN,以及双目图像超分辨算法StereoSR。

    数据集方面,双目视觉领域现有的数据集(例如KITTI数据集、Middlebury数据集以及ETH3D数据集)更多地针对深度估计与光流估计等任务,在场景数量、场景多样性以及图像质量等方面无法满足双目超分辨算法的需求。因此,笔者在这个工作中收集了1024幅双目图像,构建并公开了一个大型双目图像超分辨数据集Flickr1024,用于对双目超分辨算法进行训练和评估。

    在数据集对应的论文中,笔者对在不同数据集上分别训练的StereoSR和PASSRnet算法进行了交叉数据集评测(cross-dataset evaluation),实验结果表明,算法在Flickr1024数据集上训练可以达到更高的性能。

    值得一提的是,2019年有一个Parallax-based Spatial and Channel Attention Stereo SR network(PSCASSRnet)工作发表在 IEEE Access 期刊上,论文见链接。其沿用了PASSRnet的网络框架,提出的改进为:1)在Parallax Attention的基础上增加了 Channel Attention;2)给网络增加了全局残差连接。PSCASSRnet相比于PASSRnet能够取得更好的性能。

    3. SAM(SPL2020)

    此处介绍笔者所在课题组的一个最新工作,相关论文 A Stereo Attention Module for Stereo Image Super-Resolution 已被 IEEE Signal Processing Letters 期刊录用。该文首先分析了双目图像超分辨任务面临的挑战(见本文第三节),而后针对这些挑战提出了一个通用的模块 Stereo Attention Module(SAM)。论文将多个SAM安插至现有的单图超分辨网络中,并在双目图像数据集上进行微调,从而实现在原有单图超分辨网络的基础上多次交互并利用左右图的信息,达到了很好的双目图像超分辨性能。SAM的结构图如下所示:

    图中,(a)为SAM安插到两个相同的单图超分辨网络,实现左右图信息交互的示意图;(b)为SAM的结构图。SAM相比于视差注意力模块(PAM),能够更加紧凑地实现左右图双向信息传递,为左右图的多次信息交互提供了基础。实验结果表明,将SAM安插到单图超分辨网络SRCNN、VDSR、LapSRN、SRDenseNet、SRResNet中,均可相应提升其超分辨性能;同时SRResNet+SAM的组合相比于PASSRnet可以取得更好的超分辨效果。

    4. Stereoscopic Image Super‑Resolution with Stereo Consistent Feature(AAAI2020)

    这是笔者关注到的Stereo Image SR领域的一个最新工作,出自韩国延世大学(Yonsei University),目前论文还未公开。从题目上看,该算法应该是利用了双目图像的特征一致性。

    三、总结与展望

    双目图像超分辨任务的挑战可以总结为以下几个方面:

    1. 双目图像超分辨既要像单图超分辨一样充分利用一幅图内的信息,又要充分结合左右图的互补信息。

      设计高效的网络结构同时利用好这两种信息是具有挑战性的。

      当前最新的双目超分辨算法性能仍低于最新的单图超分辨算法,性能还有较大的提升空间;

    2. 双目图像中视差的巨大变化使得左右图互补信息难以被充分利用,遮挡问题造成的左右图信息不对称也给重建过程带来了挑战。

    3. 虽然Flickr1024数据集较大程度上丰富了双目图像超分辨算法的训练集,但是相比于单图超分辨算法的训练集(例如DIV2K)而言,双目图像数据集仍然在数量、质量、场景多样性方面存在弱势,从而限制了双目图像超分辨算法的性能。

      而受限于设备,获取双目图像数据集比获取单图数据集难度更大。

    双目图像超分辨工作可以从以下几个方面考虑改进:

    1. 可以通过参考stereo matching等任务的网络框架,设计能够高效利用左右图信息的新的机制。

    2. 参考领域内最新的单图超分辨算法(例如RCAN、SAN、IMDN等),考虑如何在结合左右图互补信息的同时不丢失单图内部的信息,从而实现在单图超分辨的基础上提升性能。

    3. 考虑构建更高质量的双目图像数据集,或者考虑将单图超分辨算法学习到的先验知识利用到双目图像超分辨中(例如进行知识蒸馏等)。

    以上是笔者的个人观点,欢迎读者留言交流。     

    上述内容,如有侵犯版权,请联系作者,会自行删文。

    推荐阅读:

    吐血整理|3D视觉系统化学习路线

    那些精贵的3D视觉系统学习资源总结(附书籍、网址与视频教程)

    超全的3D视觉数据集汇总

    大盘点|6D姿态估计算法汇总(上)

    大盘点|6D姿态估计算法汇总(下)

    机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划

    汇总|3D点云目标检测算法

    汇总|3D人脸重建算法

    那些年,我们一起刷过的计算机视觉比赛

    总结|深度学习实现缺陷检测

    深度学习在3-D环境重建中的应用

    汇总|医学图像分析领域论文

    大盘点|OCR算法汇总

    重磅!3DCVer-知识星球和学术交流群已成立

    3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导,550+的星球成员为创造更好的AI世界共同进步,知识星球入口:

    学习3D视觉核心技术,扫描查看介绍,3天内无条件退款

     圈里有高质量教程资料、可答疑解惑、助你高效解决问题

    欢迎加入我们公众号读者群一起和同行交流,目前有3D视觉CV&深度学习SLAM三维重建点云后处理自动驾驶、CV入门、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别等微信群,请扫描下面微信号加群,备注:”研究方向+学校/公司+昵称“,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

    ▲长按加群或投稿

    展开全文
  • 双目立体匹配用到的数据集Middlebury Stereo Datasets 自己从官网上下载的包括01 03 05 06年的 以及14年的测试集和训练集 带参数 应该算比较全的 官网下载很慢 分享给大家
  • From:Leia Inc 编译:T....为了解决这一问题,来自Leia公司的研究人员们构建了一个包含49368对图像的立体视觉数据集Holopix50k,这一数据集从大小和多样性上都超过了现有的公开数据集,在立体图像超分辨、单目深度...
  • 该脚本可以将KITTI数据集中的图像序列换转成ROS中的.bag文件格式。具体使用方法代码中给了示例。例如:将双目数据转换成.bag文件: python img2bag_kitti_StereoBag.py /home/Andy/my_workspace/Dataset/KITTI/01 ...
  • KITTI双目数据集使用

    万次阅读 2018-05-28 14:42:39
    KITTI是面向自动驾驶的标准测试数据集,这里关注其中双目数据 如图1所示,KITTI使用4个相机采集图像数据,两个为灰度相机,另外两个为彩色相机。    图1. 双目系统包含两个灰度相机和两个彩色相机 数据格式...
  • 1. 从KITTI数据集生成stereo rosbag python img2bag_kitti_StereoBag.py /*/00 img2bag_kitti_StereoBag_seq00.rosbag /*/00/times.txt Python 脚本可以在此处找到 ...
  • data_stereo_flow.zip 链接:https://pan.baidu.com/s/1l8s6guqkTEyPYLvpZEPr3w 提取码:t0xb data_scene_flow.zip 链接:https://pan.baidu.com/s/1GoR-tCDakPJ9dpb-zc7CBA 提取码:f5nf
  • 点击我爱计算机视觉标星,更快获取CVML新技术本文为52CV群友谦Sir投稿。双目图像可以提供同一场景左右两个视角的信息。合理利用双目图像所包含的互补信息可以进一步提升图像超分辨的性能。...
  • ## 小觅发布图像话题 因为我要做三维重建,希望图片分辨率大点。但是小觅ros发布的是640*400的分辨率。 1. 我先改/home/.../MYNT-EYE-S-SDK/wrappers/ros/src/mynt_eye_r Ubuntu16.04+小觅标准彩色双目+orbslam2 ...
  • 因此,我们可以从零开始在COCO这样的数据集上训练一个立体匹配网络,这些数据集以前很难用于双目图像。通过大量的实验,我们发现我们的方法在KITTI、ETH3D和Middlebury上进行评估时,优于使用标准合成数据集训练的...
  • 显著性检测数据集 ECSSD 包含原图和GT标注图 1000幅图像
  • 左右相机的16对棋盘格标定图像,缺少测试数据的可以下载
  • 点击上方“AI算法修炼营”,选择“星标”公众号精选作品,第一时间送达本文是收录于CVPR2020的工作,我是被双目图像去雾的题目所吸引的,其实整个工作的创新性不高,但是可以从中学到数据集...
  • 自动驾驶数据集

    2020-12-24 02:45:04
    感知层面对目标识别跟踪、...深度学习模型非常依赖无人车行驶环境的数据,而这些数据在工程中非常难获得。无人驾驶数据的获取,需要一定的财力、物力、人力的支持,而一般的个人、小团队通常没法应对。幸运的是,这...
  • 双目摄像头采集图像

    千次阅读 2015-10-11 22:03:54
    双目采集,三维重建的第一步棋盘标定,采集图片。
  • 我公司的科室开始在公众号上规划一些对外的技术文章了,包括实战项目、模型优化、端侧部署和一些深度学习任务基础知识,而我负责人体图象相关技术这...一、目标检测 - 行人数据集 1. INRIA Person Dataset 静态行人数据

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,423
精华内容 1,369
关键字:

双目图像数据集