AODRaw

AODRaw数据集提供了7,785张高分辨率的实际RAW图像，包含135,601个标注实例，涵盖62个类别，捕捉了室内外场景在9种不同光照和天气条件下的广泛范围。该数据集支持RAW和sRGB对象检测，并提供了一个全面的基准来评估当前的检测方法。

The AODRaw Dataset provides 7,785 high-resolution real-world RAW images, containing 135,601 annotated instances across 62 categories, and captures a broad spectrum of indoor and outdoor scenes under 9 distinct lighting and weather conditions. This dataset supports both RAW and sRGB object detection, and offers a comprehensive benchmark for evaluating state-of-the-art object detection methods.

原始信息汇总

AODRaw: Towards RAW Object Detection in Diverse Conditions

数据集概述

AODRaw数据集包含7,785张高分辨率的真实RAW图像，带有135,601个标注实例，涵盖62个类别，捕捉了室内外场景在9种不同光照和天气条件下的广泛情况。该数据集支持RAW和sRGB对象检测，并提供了一个全面的基准来评估当前的检测方法。

数据集结构

数据集分为多个目录，每个目录包含不同预处理方式的图像和标注文件。

目录结构

├── AODRaw ├── images (435G) ├── images_downsampled_raw (223G) ├── images_downsampled_srgb (4.3G) ├── images_slice_raw (439G) ├── images_slice_srgb (23G) ├── annotations

目录用途

• images: 原始RAW和sRGB图像，分辨率为$6000 imes 4000$，共7,785张。
• images_downsampled_raw: 下采样的RAW图像，分辨率为$2000 imes 1333$，共7,785张。
• images_downsampled_srgb: 下采样的sRGB图像，分辨率为$2000 imes 1333$，共7,785张。
• images_slice_raw: 切片后的RAW图像，分辨率为$1280 imes 1280$，共71,782张。
• images_slice_srgb: 切片后的sRGB图像，分辨率为$1280 imes 1280$，共71,782张。
• annotations: 标注文件，包含训练和测试的标注信息。

下载链接

• images: Baidu, TeraBox
• images_downsampled_raw: Baidu
• images_downsampled_srgb: Baidu, TeraBox
• images_slice_srgb: Baidu, TeraBox
• annotations: Baidu, Google, TeraBox

数据集信息

图像

Split	Category	Images	Instances
Train	62	5,445	94,949
Test	62	2,340	40,652

标注

标注文件遵循COCO格式，包含图像的ID、文件名、高度、宽度以及光照和天气条件等信息。

引用

@article{li2024aodraw, title={Towards RAW Object Detection in Diverse Conditions}, author={Zhong-Yu Li and Xin Jin and Boyuan Sun and Chun-Le Guo and Ming-Ming Cheng}, journal={arXiv preprint arXiv:2411.15678}, year={2024}, }

许可证

代码发布在Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International Public License下，仅限非商业使用。

搜集汇总

数据集介绍

构建方式

AODRaw数据集的构建基于对7,785张高分辨率真实RAW图像的精心收集与标注，涵盖了62个类别中的135,601个实例，这些图像捕捉了室内外多种场景，并涵盖了9种不同的光照和天气条件。数据集的构建过程中，原始图像经过两种预处理方式：下采样和切片。下采样处理将图像分辨率降低至$2000 imes 1333$，而切片处理则将图像分割成$1280 imes 1280$的块。这两种处理方式分别生成了`images_downsampled_raw`、`images_downsampled_srgb`、`images_slice_raw`和`images_slice_srgb`四个子目录，以支持基于RAW和sRGB的对象检测任务。

特点

AODRaw数据集的显著特点在于其对RAW图像的直接支持，这使得研究者能够在未经过图像信号处理器（ISP）压缩的原始数据上进行对象检测，从而避免了因压缩导致的潜在信息损失。此外，数据集包含了多种光照和天气条件下的图像，这为在复杂环境下的对象检测提供了丰富的训练和测试样本。数据集的标注遵循COCO格式，提供了详细的实例信息和图像标签，便于研究者进行多样化的实验和分析。

使用方法

使用AODRaw数据集时，用户可以根据任务需求选择下载原始图像或经过预处理的图像子集。数据集的目录结构清晰，支持RAW和sRGB两种格式的对象检测。用户可以通过提供的脚本进行图像的下采样和切片预处理，生成适合自己模型输入的图像数据。此外，数据集的标注文件以COCO格式提供，用户可以直接加载这些标注文件进行模型训练和评估。通过这些灵活的使用方式，AODRaw数据集能够满足不同研究者在RAW对象检测领域的多样化需求。

背景与挑战

背景概述

在计算机视觉领域，现有的目标检测方法通常依赖于经过图像信号处理（ISP）压缩的sRGB图像，这种压缩过程可能会在复杂光照和天气条件下丢失关键信息。为了解决这一问题，AODRaw数据集应运而生，由Zhong-Yu Li等研究人员于2024年创建。该数据集包含了7,785张高分辨率的原始RAW图像，涵盖了62个类别和135,601个标注实例，捕捉了室内外多种场景在9种不同光照和天气条件下的图像。AODRaw不仅支持RAW和sRGB目标检测，还提供了一个全面的基准，用于评估当前检测方法的性能，特别是在复杂环境下的表现。

当前挑战

AODRaw数据集在构建过程中面临多项挑战。首先，RAW图像与sRGB图像之间存在显著的域差异，导致sRGB预训练模型在RAW数据上的表现受限。其次，RAW图像中的相机噪声使得直接在RAW域上预训练模型更为困难，难以学习丰富的特征表示。此外，数据集的预处理步骤，如降采样和切片，需要精确控制以确保检测精度不受影响。最后，数据集的规模和多样性要求高效的存储和处理解决方案，以支持大规模的训练和测试。

常用场景

经典使用场景

在计算机视觉领域，AODRaw数据集的经典使用场景主要集中在RAW图像对象检测上。该数据集提供了7,785张高分辨率的RAW图像，涵盖了62个类别和135,601个标注实例，适用于多种光照和天气条件下的室内外场景。通过对比RAW和sRGB图像的检测效果，研究者可以评估现有检测方法在不同数据域中的表现，从而推动RAW图像检测技术的发展。

实际应用

在实际应用中，AODRaw数据集可用于开发和优化自动驾驶系统、监控摄像头以及工业检测设备中的对象识别算法。由于RAW图像能够捕捉更多细节和动态范围，这些系统在低光照、强光和恶劣天气条件下仍能保持高精度的对象检测能力，从而提高系统的可靠性和安全性。

衍生相关工作

基于AODRaw数据集，研究者们已经开展了一系列相关工作，包括RAW图像的预训练模型开发、跨域知识蒸馏技术以及实时RAW对象检测系统的构建。这些工作不仅提升了RAW图像检测的性能，还为其他领域的跨域学习和图像处理技术提供了新的研究方向和方法论。