A2I2-Haze|图像去雾数据集|物体检测数据集

A2I2-Haze数据集是美国陆军研究实验室开发的首个真实雾霾图像基准，包含从无人机和地面车辆视角捕获的配对雾霾和清晰图像，以及现场雾霾密度测量。数据集在受控环境中使用专业烟雾生成机器创建，覆盖整个场景，旨在为评估视觉算法在退化视觉环境中的性能提供精确和细粒度的算法评估。该数据集适用于低级视觉（去雾）和高级视觉（检测）任务，已在CVPR UG2 2022挑战赛中用于“雾霾中的物体检测”赛道。

AI搜集汇总

数据集介绍

构建方式

A2I2-Haze数据集通过在受控环境中使用专业的烟雾生成机器，覆盖整个场景，从而构建了一个真实且多用途的雾霾图像基准。该数据集包括从无人机（UAV）和无人地面车辆（UGV）视角捕获的图像，以及与之配对的清晰图像和现场雾霾密度测量数据。数据收集过程在DEVCOM化学与生物中心的M-Field测试范围内进行，利用了世界上最全面的遮蔽物生成设施和评估技术，以准确测量烟雾浓度。此外，数据集还包括高度同步的定性和定量烟雾透射率测量，使用地面传感器进行现场测量。

特点

A2I2-Haze数据集的主要特点是其真实性和多用途性。它提供了从空中和地面视角捕获的雾霾和清晰图像对，允许对低级视觉（去雾）和高级视觉（检测）任务进行细粒度评估。此外，数据集还包括与图像同步的烟雾密度测量数据，这使得研究人员能够在不同量化雾霾水平下准确评估算法性能。与其他现有雾霾数据集相比，A2I2-Haze在场景对象多样性和雾霾测量方面具有显著优势。

使用方法

A2I2-Haze数据集可用于评估和改进在雾霾环境中工作的视觉算法，包括去雾和目标检测任务。研究人员可以使用数据集中的雾霾和清晰图像对来训练和测试去雾模型，并使用标注的目标对象来评估目标检测算法的性能。数据集还提供了与图像同步的烟雾密度测量数据，这可以用于训练对雾霾密度变化鲁棒的检测器。此外，数据集的空中和地面视角图像可以用于研究多视角图像匹配和联合优化去雾与检测管道。

背景与挑战

背景概述

A2I2-Haze数据集由Priya Narayanan等人于2021年创建，旨在解决户外视觉环境中因烟雾或雾霾导致的图像质量下降问题。该数据集是首个包含空中和地面视角的真实雾霾图像基准，配备了无雾霾的参考图像和现场雾霾密度测量数据。通过使用专业的烟雾生成机器在受控环境中采集图像，A2I2-Haze数据集不仅涵盖了无人飞行器（UAV）和无人地面车辆（UGV）的视角，还提供了高度同步的烟雾透射率定量测量。这一数据集的推出，填补了现有雾霾数据集在场景多样性和雾霾效应量化方面的不足，为评估和改进在恶劣视觉环境下的视觉算法提供了重要资源。

当前挑战

A2I2-Haze数据集在构建过程中面临多项挑战。首先，如何在受控环境中精确生成和测量雾霾密度，以确保数据集的真实性和可靠性，是一个技术难题。其次，从空中和地面多视角同步采集图像，并确保图像与雾霾密度测量的精确同步，增加了数据采集的复杂性。此外，数据集需要处理和标注大量图像，以支持低级视觉（去雾）和高级视觉（目标检测）任务的评估。最后，如何在保持图像美学质量的同时，有效去除雾霾对图像语义的影响，是该数据集在实际应用中需要解决的关键问题。

常用场景

经典使用场景

A2I2-Haze数据集的经典使用场景主要集中在雾霾环境下的图像去雾和目标检测任务。该数据集提供了从无人机（UAV）和无人地面车辆（UGV）视角捕获的雾霾图像及其对应的清晰图像，以及现场雾霾密度的测量数据。这些数据使得研究人员能够在真实且受控的环境中评估和改进去雾算法和目标检测算法在恶劣视觉环境下的性能。

实际应用

A2I2-Haze数据集的实际应用场景广泛，特别是在军事侦察、监视和情报收集（ISR）以及自动驾驶车辆导航等领域。在这些应用中，视觉系统常常受到雾霾、烟雾等恶劣天气条件的影响，导致图像质量下降。通过使用A2I2-Haze数据集训练和验证的去雾和目标检测算法，可以显著提高这些系统在复杂环境中的感知能力和操作效率，从而提升整体任务的成功率。

衍生相关工作

A2I2-Haze数据集的发布催生了一系列相关研究工作，特别是在去雾和目标检测领域。例如，研究人员基于该数据集开发了多种先进的单图像去雾算法，如GCANet、FFA-Net和MSBDN，以及非均匀去雾算法如SRKT、DWDehaze和Trident-Dehazing。此外，A2I2-Haze还促进了联合优化去雾和检测管道的研究，探索如何通过联合设计提升检测性能。这些研究不仅提升了算法在雾霾环境下的表现，还为实际应用提供了更强大的技术支持。