five

SQUID

收藏
魔搭社区2026-01-09 更新2024-08-31 收录
下载链接:
https://modelscope.cn/datasets/OpenDataLab/SQUID
下载链接
链接失效反馈
官方服务:
资源简介:
displayName: SQUID (Stereo Quantitative Underwater Image Dataset) license: - Unknown paperUrl: https://arxiv.org/pdf/1811.01343v3.pdf publishDate: "2019" publishUrl: http://csms.haifa.ac.il/profiles/tTreibitz/datasets/ambient_forwardlooking/index.html publisher: - Tel Aviv University - University of Haifa tags: - Underwater Image taskTypes: - Image Dehazing - Single Image Dehazing - Image Enhancement --- # 数据集介绍 ## 简介 在不同位置拍摄的具有不同水特性的图像数据集,显示场景中的彩色图表。此外,为了获得地面真相,基于立体成像计算了场景的3D结构。此数据集可以定量评估自然图像上的恢复算法。 ## 引文 ``` @article{berman2020underwater, title={Underwater single image color restoration using haze-lines and a new quantitative dataset}, author={Berman, Dana and Levy, Deborah and Avidan, Shai and Treibitz, Tali}, journal={IEEE transactions on pattern analysis and machine intelligence}, volume={43}, number={8}, pages={2822--2837}, year={2020}, publisher={IEEE} } ``` ## Download dataset :modelscope-code[]{type="git"}

数据集名称:SQUID(立体定量水下图像数据集,Stereo Quantitative Underwater Image Dataset) 许可协议:未知 论文链接:https://arxiv.org/pdf/1811.01343v3.pdf 发布年份:2019年 数据集发布页面:http://csms.haifa.ac.il/profiles/tTreibitz/datasets/ambient_forwardlooking/index.html 发布机构:特拉维夫大学、海法大学 标签:水下图像 任务类型:图像去雾、单图像去雾、图像增强 --- # 数据集介绍 ## 数据集简介 本数据集包含在不同水域位置拍摄、具备不同水体特性的水下图像,图像中包含场景内的彩色校准图表。此外,为获取地面真值(Ground Truth),本数据集基于立体成像技术计算得到了场景的三维结构。该数据集可用于对自然图像恢复算法开展定量评估。 ## 引文 @article{berman2020underwater, title={Underwater single image color restoration using haze-lines and a new quantitative dataset}, author={Berman, Dana and Levy, Deborah and Avidan, Shai and Treibitz, Tali}, journal={IEEE transactions on pattern analysis and machine intelligence}, volume={43}, number={8}, pages={2822--2837}, year={2020}, publisher={IEEE} } ## 数据集下载 :modelscope-code[]{type="git"}
提供机构:
maas
创建时间:
2024-07-15
搜集汇总
数据集介绍
main_image_url
背景与挑战
背景概述
SQUID是一个水下图像数据集,包含从不同位置拍摄的具有不同水质属性的图像,场景中显示色卡用于分析。该数据集通过立体成像计算了场景的3D结构以获取地面真实数据,主要用于定量评估自然图像的恢复算法。
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