five

VQUAD Surveillance Video Quality Database

收藏
DataCite Commons2025-04-01 更新2025-04-16 收录
下载链接:
https://data.mendeley.com/datasets/f9xd5zp8mp
下载链接
链接失效反馈
官方服务:
资源简介:
This is a subjective quality database for surveillance videos. This database has been built in the framework of the NPRP project (NPRP No.8 - 140 - 2 – 065) funded by the QNRF. Leader Principal Investigator (LPI) Azeddine Beghdadi Co-LPI Noor Al Madeed Principal Investigators (PIs): Ismail Bezzine, Zohaib Amjad, Khan, Mounir Kaaniche, Somaya Al Madeed, Ahmed Bouridane, Faouzi Alaya Cheikh How to cite the database: Contact : Prof. Azeddine Beghdadi, L2TI, Université Sorbonne Paris Nord (Email: azeddine.beghdadi@univ-paris13.fr) For more details and citation check the following paper: I. Bezzine, I., Khan, Z.A., Beghdadi, A., Al-Maadeed, N., Kaaniche, M., Al-Maadeed, S., Bouridane, A. and Cheikh, F.A., 2020, November. Video Quality Assessment Dataset for Smart Public Security Systems. In 2020 IEEE 23rd International Multitopic Conference (INMIC) (pp. 1-5). IEEE., DOI: 10.1109/INMIC50486.2020.9318149.

本数据集为监控视频主观质量数据库。该数据库由卡塔尔国家研究基金(Qatar National Research Fund,QNRF)资助的国家优先研究计划(National Priorities Research Program,NPRP)项目(项目编号:NPRP No.8 - 140 - 2 – 065)构建完成。 项目首席负责人(Leader Principal Investigator,LPI):Azeddine Beghdadi 联合项目首席负责人(Co-LPI):Noor Al Madeed 主要研究者(Principal Investigators,PIs): Ismail Bezzine、Zohaib Amjad Khan、Mounir Kaaniche、Somaya Al Madeed、Ahmed Bouridane、Faouzi Alaya Cheikh 数据集引用方式: 联系方式:Azeddine Beghdadi教授,巴黎第十三索邦大学L2TI实验室(邮箱:azeddine.beghdadi@univ-paris13.fr) 如需获取更多详情及规范引用格式,请参阅下述论文: I. Bezzine、Z.A. Khan、A. Beghdadi、N. Al-Maadeed、M. Kaaniche、S. Al-Maadeed、A. Bouridane 与 F.A. Cheikh,2020年11月。《面向智能公共安全系统的视频质量评估数据集》。收录于2020年电气与电子工程师协会(Institute of Electrical and Electronics Engineers,IEEE)第23届多学科国际会议(INMIC)(第1-5页)。IEEE出版,DOI:10.1109/INMIC50486.2020.9318149。
提供机构:
Mendeley
创建时间:
2021-12-06
搜集汇总
数据集介绍
main_image_url
背景与挑战
背景概述
VQUAD是一个专门用于监控视频质量评估的主观质量数据库,包含原始视频、失真视频和噪声视频等多种视频类型,总大小为8.29GB。该数据集适用于视频增强和图像质量研究,采用CC BY 4.0许可协议,并附带详细的MOS评分表和说明文档。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作