Natural-Color Dataset (NCD)|图像着色数据集|深度学习数据集

arXiv2022-01-27 更新2024-06-21 收录

图像着色

深度学习

下载链接：

https://github.com/saeed-anwar/ColorSurvey

下载链接

链接失效反馈

资源简介：

Natural-Color Dataset (NCD) 是由澳大利亚 Data61-CSIRO 研究机构的研究人员创建的一个专门用于图像着色任务的新数据集。该数据集包含723张图像，涵盖20个类别，旨在为深度学习技术提供一个更为合适的评估环境。NCD 数据集的特点是图像中的对象颜色真实，背景为白色，有助于测试算法是否存在颜色溢出的问题。数据集的创建是为了解决现有数据集不适用于图像着色评估的问题，推动图像着色技术的发展。

提供机构：

Data61-CSIRO, Australia

创建时间：

2020-08-25

AI搜集汇总

数据集介绍

构建方式

自然色彩数据集（NCD）的构建旨在为图像着色任务提供一个专门的数据集。该数据集的收集过程着重于选择那些在真实世界中颜色一致的图像，例如，胡萝卜在大多数图像中应为橙色，香蕉应为绿色或黄色。此外，数据集还特意包含了一个白色背景，以测试算法是否存在颜色溢出的问题。共收集了723张图像，分布在20个类别中，每个图像都包含一个物体和一个白色背景。这些图像是从互联网上精心挑选的，以确保它们在真实颜色方面的准确性。

使用方法

使用自然色彩数据集（NCD）的方法相对简单。首先，需要将图像转换为灰度图像，然后将着色模型应用于这些灰度图像，以生成彩色图像。在评估模型的性能时，可以使用峰值信噪比（PSNR）、结构相似性指数（SSIM）、基于块对比度质量指数（PCQI）和水下图像质量度量（UIQM）等指标。这些指标可以帮助研究人员了解模型在着色任务上的性能表现。此外，NCD还可以用于训练和测试新的着色算法，以推动图像着色领域的发展。

背景与挑战

背景概述

图像着色是将灰度图像或视频帧的RGB颜色进行估计，以提高其美学和感知质量的过程。近年来，基于深度学习的图像着色技术在性能上取得了显著的进展，这促使了对这些技术进行系统性的调查和基准测试的需求。本文提出了一种新的数据集，名为自然色彩数据集（NCD），用于图像着色任务。该数据集由Saeed Anwar、Muhammad Tahir、Chongyi Li、Ajmal Mian、Fahad Shahbaz Khan和Abdul Wahab Muzaffar等人创建，旨在填补现有数据集在图像着色任务中的不足。该数据集的创建对于推动深度学习在图像着色领域的应用具有重要意义，为研究者提供了新的基准数据，有助于评估和比较不同的图像着色算法。

当前挑战

自然色彩数据集（NCD）的创建和应用面临着一系列挑战。首先，现有的图像着色算法在处理复杂场景时，往往难以恢复原始的自然颜色，特别是在图像中存在大量小型物体的情况下。其次，缺乏适当的评估指标也是一大挑战，现有的指标如PSNR和SSIM等可能无法准确反映图像着色的性能。此外，图像着色算法的网络复杂性不断增加，这也对算法的实用性和可扩展性提出了更高的要求。最后，现有的图像着色算法大多需要大量训练数据，这在实际应用中可能难以满足。因此，自然色彩数据集（NCD）的创建和应用需要进一步的研究和探索，以提高算法的性能和实用性。

常用场景

经典使用场景

在图像颜色化领域，Natural-Color Dataset (NCD) 作为一个新的基准数据集，其经典使用场景在于为深度学习模型提供真实世界中的自然颜色图像，用于训练和评估图像颜色化算法的性能。通过这个数据集，研究人员可以测试其模型在处理真实场景中的颜色化任务时的准确性和泛化能力，从而推动图像颜色化技术的发展。

解决学术问题

NCD 数据集解决了当前图像颜色化研究中存在的几个关键问题。首先，现有的数据集通常不专门针对颜色化任务，可能包含主观颜色和虚假颜色，导致评估结果不准确。NCD 数据集通过收集真实世界中的自然颜色图像，为图像颜色化算法提供了更为真实的评估环境。其次，现有的数据集可能缺乏多样性，导致模型对特定颜色或背景的依赖。NCD 数据集包含了多种自然场景，有助于模型学习更通用的颜色化规律。此外，NCD 数据集还提供了多种评价指标，如 PSNR、SSIM、PCQI 和 UIQM，为图像颜色化算法的性能评估提供了更为全面的参考。

实际应用

NCD 数据集在实际应用中具有重要的意义。首先，它可以为图像颜色化算法的开发和优化提供数据支持，推动图像颜色化技术的发展。其次，NCD 数据集可以用于评估和比较不同图像颜色化算法的性能，为实际应用场景的选择提供依据。此外，NCD 数据集还可以用于教育和研究，帮助学者和学生更好地理解和掌握图像颜色化技术。

数据集最近研究

相关研究论文

1
Image Colorization: A Survey and DatasetData61-CSIRO, Australia · 2022年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

猫狗图像数据集

该数据集包含猫和狗的图像，每类各12500张。训练集和测试集分别包含10000张和2500张图像，用于模型的训练和评估。

github 收录

LUNA16

LUNA16（肺结节分析）数据集是用于肺分割的数据集。它由 1,186 个肺结节组成，在 888 次 CT 扫描中进行了注释。

OpenDataLab 收录

中国1km分辨率逐月降水量数据集（1901-2023）

该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

CE-CSL

CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。

arXiv 收录

人民日报语料库 (1998.1)

本库主要提供用于NER任务的处理好的语料，包括基于词级和字级任务的NER数据。数据集包含19484个以行为粒度切分的句子，句子长度最大为659，平均长度为57.55666187641141。实体标注采用BIO格式，区分人名、地名和机构团体。

github 收录