FGCD-Dataset

用于评估细粒度变化检测的数据集，包含三个子数据集：Dp（包含两个颐和园户外场景）、Db（包含10组实验室测试块图像，用于壁画退化模拟测试）和Ds（从4个小雕像收集）。每个数据集包含两组观察图像，包括精细变化检测的地面实况（GT.bmp）和掩码（mask.bmp），这些图像在光照条件下有所不同，用于最终的定量评估。

A dataset designed for evaluating fine-grained change detection, comprising three subsets: Dp (featuring two outdoor scenes of the Summer Palace), Db (containing 10 sets of laboratory test block images for simulating mural degradation), and Ds (collected from four small statues). Each subset includes two sets of observation images, featuring ground truth (GT.bmp) and masks (mask.bmp) for fine change detection. These images vary under different lighting conditions and are utilized for final quantitative assessment.

原始信息汇总

FGCD-Dataset 概述

数据集组成

FGCD-Dataset 包含三个子数据集：

1. Dp：包含两组户外场景图像，拍摄于颐和园夏季。
2. Db：包含10组实验室测试块图像，用于壁画老化模拟测试。
3. Ds：包含来自4个小雕像的图像。

图像特征

• 每组图像包含两个观察结果：
  • 精细变化检测地面实况（GT.bmp）
  • 掩码（mask.bmp）
• 每个观察结果包含7张图像，分别在不同光照条件下拍摄：
  • 环境光照（EL）图像
  • 六个方向的侧光照明（DSL）图像
• 图像命名规则：
  • 第一个观察结果从1-1.bmp至1-7.bmp
  • 第二个观察结果从2-1.bmp至2-7.bmp
• 地面实况图像与第二个观察结果对齐

评估用途

• 掩码用于最终定量评估，如论文[1]所述。

引用信息

如在研究中使用此数据集，请引用以下论文：

[1] W. Feng, F.-P. Tian, Q. Zhang, N. Zhang, L. Wan, J.-Z. Sun. Fine-Grained Change Detection of Misaligned Scenes with Varied Illuminations. In ICCV, 2015.

搜集汇总

数据集介绍

构建方式

FGCD-Dataset的构建遵循了细粒度变化检测的评估需求，包含Dp、Db、Ds三种场景类型。Dp为夏季颐和园户外场景，Db为实验室老化模拟测试的壁画退化图像，而Ds则是四座小型雕像的图像。每一组图像包含两个观测，每个观测由七张在不同光照条件下的图像组成，其中包括一张环境光照图像和六张方向性侧面光照图像，分别标记为1-1.bmp至1-7.bmp和2-1.bmp至2-7.bmp。

特点

该数据集的特点在于图像对不具有良好的对齐性，提供了细粒度变化检测的基准。每组图像中包含精细变化检测的地面真实值(GT.bmp)和一个掩码(mask.bmp)，地面真实值图像与第二次观测对齐，掩码用于最终定量评估。这些特性使得数据集在变化检测领域具有重要的研究价值。

使用方法

使用FGCD-Dataset时，研究者需依据图像的命名规则识别每个观测，利用包含的环境光照和方向性侧面光照图像进行变化检测算法的训练和评估。同时，需依据提供的地面真实值和掩码进行定量评价，以验证算法的精确性。在使用本数据集的研究成果发表时，应引用相关论文以表明数据集来源。

背景与挑战

背景概述

FGCD-Dataset，即精细变化检测数据集，是于2015年在国际计算机视觉会议（ICCV）上发表的研究成果。该数据集由W. Feng等研究人员创建，旨在评估图像中细微变化检测的性能。它包括三个子数据集：Dp、Db和Ds，分别涵盖夏季宫殿的外景、实验室老化模拟测试的壁画退化图像以及小型雕像的图像。该数据集的核心研究问题是实现对场景中微小变化的高精度检测，对于图像处理、计算机视觉以及文化遗产保护等领域具有重要的研究价值和实践意义。

当前挑战

该数据集在构建过程中面临的挑战主要包括：1）场景中微小变化的精确检测，特别是在光照变化和场景未对齐的情况下；2）数据集的构建，需要处理不同光照条件下的大量图像，并确保每组图像中的两个观测数据未对齐，以及提供精确的地面真实值和掩码用于量化评估。这些挑战使得数据集的构建不仅需要高精度的图像获取技术，还需要精细的标注和评估方法。

常用场景

经典使用场景

在图像处理与计算机视觉研究领域，FGCD-Dataset被广泛用于细粒度变化检测的评估，其经典使用场景在于对场景中细微变化的精准识别与定位，尤其是在图像对齐存在偏差及光照条件多变的复杂环境下。

解决学术问题

该数据集有效解决了学术研究中如何在高动态范围光照变化和图像对齐误差条件下进行细粒度变化检测的问题，提供了具有挑战性的测试用例，对于算法的泛化能力和鲁棒性提出了更高的要求。

衍生相关工作

基于FGCD-Dataset的研究，衍生了众多关于图像配准、光照估计以及变化检测的高水平工作，推动了细粒度视觉分析技术的进步，并在相关国际竞赛和研究中产生了广泛的影响。