EUVP dataset, Underwater imagenet, UIEBD dataset, SQUID dataset, U-45, RUIE benchmark, Jamaica port royal, Virtual periscope, Color correction, Color restoration, TURBID data, OceanDark dataset, USR-248, USOD10k, UFO-120, SUIM, Coral-Net, Eilat, Change detection, LIACI, USOD10k, UFO-120, MUED database|水下图像处理数据集|图像增强数据集

该仓库包含多个水下图像处理相关的数据集，如EUVP、Underwater imagenet等，用于图像增强、颜色校正、超分辨率、深度估计、图像分割和显著对象检测等任务。

This repository contains multiple datasets related to underwater image processing, such as EUVP, Underwater ImageNet, etc., which are used for tasks including image enhancement, color correction, super-resolution, depth estimation, image segmentation, and salient object detection.

原始信息汇总

数据集概述

1. 图像增强、颜色校正/恢复

• EUVP 数据集

  • 数据链接：EUVP 数据集
  • 论文链接：EUVP 论文
  • 代码链接：EUVP 代码
  • 类型：成对和不成对数据；FUnIE-GAN

• Underwater imagenet

  • 数据链接：Underwater imagenet 数据
  • 论文链接：Underwater imagenet 论文
  • 代码链接：Underwater imagenet 代码
  • 类型：成对数据；UGAN

• UIEBD 数据集

  • 数据链接：UIEBD 数据集
  • 论文链接：UIEBD 论文
  • 代码链接：UIEBD 代码
  • 类型：Water-Net

• SQUID 数据集

  • 数据链接：SQUID 数据集
  • 论文链接：SQUID 论文
  • 代码链接：SQUID 代码
  • 类型：Underwater-HL

• U-45

  • 数据链接：U-45 数据
  • 论文链接：U-45 论文
  • 类型：UDAE

• RUIE 基准

  • 数据链接：RUIE 基准数据
  • 论文链接：RUIE 论文
  • 类型：RUIE-Net

• Jamaica port royal

  • 数据链接：Jamaica port royal 数据
  • 论文链接：Jamaica port royal 论文
  • 代码链接：Jamaica port royal 代码
  • 类型：Water-GAN

• 虚拟潜望镜

  • 数据链接：虚拟潜望镜数据
  • 论文链接：虚拟潜望镜论文

• 颜色校正

  • 数据链接：颜色校正数据

• 颜色恢复

  • 数据链接：颜色恢复数据
  • 论文链接：颜色恢复论文
  • 代码链接：颜色恢复代码

• TURBID 数据

  • 数据链接：TURBID 数据
  • 论文链接：TURBID 论文

• OceanDark 数据集

  • 数据链接：OceanDark 数据集
  • 论文链接：OceanDark 论文

2. 单图像超分辨率 (SISR)

• USR-248
  • 数据链接：USR-248 数据
  • 论文链接：USR-248 论文
  • 代码链接：USR-248 代码
  • 类型：用于2x, 4x, 和 8x 训练；SRDRM, SRDRM-GAN

3. RGB-D: 单目深度估计

• USOD10k
  • 数据链接：USOD10k 数据
  • 论文链接：USOD10k 论文
  • UDepth 论文链接：UDepth 论文

4. 同时增强和超分辨率 (SESR)

• UFO-120
  • 数据链接：UFO-120 数据
  • 论文链接：UFO-120 论文
  • 代码链接：UFO-120 代码
  • 类型：用于2x, 3x, 和 4x SESR 和显著性预测；Deep SESR

5. 图像分割

• SUIM

  • 数据链接：SUIM 数据
  • 论文链接：SUIM 论文
  • 代码链接：SUIM 代码
  • 类型：SUIM-Net

• Coral-Net

  • 数据链接：Coral-Net 数据
  • 论文链接：Coral-Net 论文
  • 代码链接：Coral-Net 代码
  • 类型：Coral-Seg

• Eilat

  • 数据链接：Eilat 数据
  • 论文链接：Eilat 论文

• 变化检测

  • 数据链接：变化检测数据
  • 论文链接：变化检测论文

• LIACI

  • 数据链接：LIACI 数据
  • 论文链接：LIACI 论文

6. 显著对象检测 (SOD)

• USOD10k

  • 数据链接：USOD10k 数据
  • 论文链接：USOD10k 论文

• UFO-120

  • 数据链接：UFO-120 数据
  • 论文链接：UFO-120 论文
  • 代码链接：UFO-120 代码

• MUED 数据库

  • 数据链接1：MUED 数据-1
  • 数据链接2：MUED 数据-2
  • 论文链接：MUED 论文

7. 对象检测/分类

A. 通用

• MOUSS 数据

  • 数据链接：MOUSS 数据
  • 类型：CVPR 2018 研讨会挑战

• MBARI 数据库

  • 数据链接：MBARI 数据库

• HabCam 数据库

  • 数据链接：HabCam 数据库

• OUC-vision

  • 论文链接：OUC-vision 论文

• MARIS 项目

  • 数据链接：MARIS 数据

• NOAA 数据

  • 数据链接：NOAA 数据

• Aqualoc 数据集

  • 数据链接：Aqualoc 数据集
  • 论文链接：Aqualoc 论文
  • 类型：视觉-惯性-压力定位

• Brackish 数据集

  • 数据链接：Brackish 数据集
  • 论文链接：Brackish 论文

• SUN 数据库 (水下场景)

  • 数据链接：SUN 数据库

• FathomNet (图像数据库)

  • 数据链接：FathomNet

B. 人机协作

• 潜水员检测

  • 数据链接：潜水员检测数据
  • 论文链接：潜水员检测论文

• 机器人跟踪通过检测

  • 数据链接：机器人跟踪数据
  • 论文链接：机器人跟踪论文

• CADDY 潜水员姿态数据

  • 数据链接：CADDY 潜水员姿态数据
  • 论文链接：CADDY 潜水员姿态论文

C. 珊瑚礁

• Moorea 珊瑚 (UCSD)

  • 数据链接：Moorea 珊瑚数据
  • 论文链接：Moorea 珊瑚论文

• 珊瑚礁波多黎各

  • 数据链接：珊瑚礁波多黎各数据

• Coral-Net

  • 数据链接：Coral-Net 数据

D. 鱼类

• WildFish 数据库

  • 数据链接：WildFish 数据库
  • 论文链接：WildFish 论文

• 标记的鱼类

  • 数据链接：标记的鱼类数据
  • 论文链接：标记的鱼类论文

• Fish4Knowledge 数据

  • 数据链接：Fish4Knowledge 数据

• 鱼类数据库

  • 数据链接：鱼类数据库

• AQUALIFEIMAGES 数据库

  • 数据链接：AQUALIFEIMAGES 数据库

• 岩鱼

  • 数据链接：岩鱼数据

• 鱼类识别数据

  • 数据链接：鱼类识别数据
  • 论文链接：鱼类识别论文

• Oceanwide 图像

  • 数据链接：Oceanwide 图像

• 鱼类检测和跟踪

  • 数据链接：鱼类检测和跟踪数据
  • 论文链接：鱼类检测和跟踪论文

• 鱼类轨迹检测

  • 数据链接：鱼类轨迹检测数据
  • 论文链接：[鱼

AI搜集汇总

数据集介绍

构建方式

该数据集集合了多种水下图像增强、颜色校正与恢复的数据集，涵盖了从图像增强到深度估计等多个领域。这些数据集的构建方式多样，包括通过实验采集、模拟生成以及从现有资源中筛选等方法。例如，EUVP数据集通过实验采集了配对和非配对的水下图像，用于训练FUnIE-GAN模型；而Underwater imagenet则通过模拟生成配对数据，用于训练UGAN模型。这些数据集的构建旨在提供丰富的水下图像数据，以支持各种水下图像处理任务的研究与应用。

特点

这些数据集的特点在于其多样性和专业性。首先，数据集涵盖了从浅海到深海的多种环境，包括珊瑚礁、港口、深海等，能够模拟真实水下环境的复杂性。其次，数据集提供了多种类型的图像，如RGB图像、深度图像、光谱图像等，满足了不同研究需求。此外，部分数据集还提供了标注信息，如物体检测、图像分割等，便于进行监督学习。这些特点使得该数据集集合成为水下图像处理领域的重要资源。

使用方法

使用该数据集集合时，研究者可以根据具体任务选择合适的数据集。例如，对于水下图像增强任务，可以选择EUVP或Underwater imagenet数据集；对于深度估计任务，可以选择USOD10k数据集。在使用过程中，研究者需遵循各数据集的使用许可和引用要求。此外，数据集的预处理步骤，如图像归一化、数据增强等，也是确保模型训练效果的关键。通过合理选择和处理数据集，研究者可以有效提升水下图像处理模型的性能。

背景与挑战

背景概述

近年来，水下图像处理技术在海洋科学、水下机器人和环境保护等领域中扮演着日益重要的角色。水下环境因其复杂的光学特性，导致图像质量显著下降，从而对图像增强、颜色校正和超分辨率等技术提出了严峻挑战。为了应对这些挑战，多个数据集如EUVP、Underwater imagenet和RUIE benchmark等应运而生，它们不仅提供了丰富的水下图像数据，还推动了相关算法的发展。这些数据集的创建时间跨度较大，从2017年的Jamaica port royal到2020年的UFO-120，涵盖了不同水下环境和应用场景。主要研究人员和机构包括明尼苏达大学的IRVLab和以色列海法大学的CSMS等，他们的工作极大地促进了水下图像处理技术的进步。

当前挑战

水下图像处理面临多重挑战，首先是水下环境的光学特性导致图像颜色失真和对比度降低，这需要高效的色彩校正和增强算法。其次，水下图像的分辨率通常较低，构建高质量的超分辨率数据集（如USR-248）和算法（如SRDRM）是另一大挑战。此外，水下图像的标注和分类任务也因环境的复杂性而变得困难，如Coral-Net和Eilat数据集的构建过程中，研究人员需克服水下生物多样性和动态变化带来的标注难题。最后，水下图像数据集的多样性和代表性也是一个持续的挑战，确保数据集能够覆盖不同水域、不同光照条件和不同生物种类，以支持更广泛的算法研究和应用。

常用场景

经典使用场景

在海洋科学和计算机视觉的交叉领域，EUVP数据集被广泛应用于水下图像增强和色彩校正的研究。该数据集通过提供配对和非配对的水下图像数据，支持了诸如FUnIE-GAN等先进算法的开发与验证。此外，Underwater imagenet数据集则为水下图像色彩校正提供了丰富的配对数据，促进了UGAN等模型的训练与优化。这些数据集的经典使用场景主要集中在提升水下图像质量，使其更适用于后续的分析和应用。

衍生相关工作

基于EUVP和Underwater imagenet等数据集，研究者们开发了多种先进的图像处理算法，如FUnIE-GAN和UGAN，这些算法在学术界和工业界都产生了广泛影响。此外，这些数据集还催生了诸如Water-Net、Underwater-HL等专注于水下图像增强和色彩恢复的研究工作。这些衍生工作不仅丰富了水下图像处理的技术手段，还为相关领域的进一步研究提供了坚实的基础。通过这些数据集和相关工作的推动，水下图像处理技术得到了显著提升，应用范围也不断扩大。

数据集最近研究

最新研究方向

近年来，水下图像增强与颜色校正领域取得了显著进展，主要集中在深度学习技术的应用上。例如，FUnIE-GAN和Water-Net等模型通过利用EUVP和UIEBD等数据集，显著提升了水下图像的质量。此外，RUIE benchmark的引入为水下图像增强提供了一个标准化的评估平台，促进了该领域研究的系统化和规范化。随着水下机器人和自主水下航行器（AUVs）的广泛应用，水下图像处理技术的重要性日益凸显，其在海洋生态监测、水下考古和海底资源勘探等领域具有广阔的应用前景。