FLYAWARE
收藏资源简介：
FLYAWARE是第一个包含恶劣天气数据用于航空器语义分割的数据集。该数据集通过增强Syndrone数据集并添加不同天气条件而生成。
FLYAWARE is the first dataset for aircraft semantic segmentation that incorporates adverse weather data. It is developed by augmenting the Syndrone dataset and adding diverse weather conditions.
HyperFLAW 数据集概述
数据集简介
HyperFLAW 数据集是为论文 "When Cars meet Drones: Hyperbolic Federated Learning for Source-Free Domain Adaptation in Adverse Weather" 开发的，该论文被 WACV 2025 接受。该数据集主要用于在恶劣天气条件下进行联邦学习中的源自由域适应，特别是在自动驾驶车辆和无人机之间的协作场景中。
数据集组成
HyperFLAW 数据集包含以下几个子数据集：
预训练数据集
-
SELMA 数据集
- 来源：SELMA 官方网站
- 下载方式：
- 注册并访问下载页面。
- 选择
Computer Vision。 - 选择所有城镇和传感器
CAM_DESK和SEGCAM_DESK。 - 分别下载以下条件的数据：
- 天气：
Clear，时间：Night - 天气：
Clear,HardRain,MidFog，时间：Noon
- 天气：
- 将所有下载的文件放入名为
SELMA的文件夹中。
-
FLYAWARE-S 数据集
- 来源：FLYAWARE-S 下载链接
- 下载方式：
- 下载所有部分并合并为一个 zip 文件。
- 使用命令
zip -F FLYAWARE-S.zip --out combined.zip和unzip combined.zip解压。
- 该数据集基于 Syndrone 数据集，增加了不同天气条件。
客户端数据集
-
HyperFLAW-ACDC 数据集
- 来源：HyperFLAW-ACDC 下载链接
- 该数据集是 ACDC 数据集的修改版本，增加了不同天气条件和来自 Cityscapes 数据集的图像。
-
FLYAWARE-R 数据集
- 来源：FLYAWARE-R 下载链接
- 该数据集基于 UAVid 数据集，增加了不同天气条件。
-
FLYAWARE-R-XL 数据集
- 来源：FLYAWARE-R-XL 下载链接
- 该数据集基于 FLYAWARE-R 数据集，增加了来自 Visdrone 数据集的图像。
数据集结构
所有数据集应放在同一个文件夹中，文件夹结构如下：
datasets ├── SELMA │ ├── Town01_Opt_ClearNight │ │ ├── CAM_DESK │ │ │ ├── Town01_Opt_ClearNight_5300274882951739.jpg │ │ │ ... │ │ │ └── Town01_Opt_ClearNight_18438957881020911553.jpg │ │ └── SEGCAM_DESK │ │ ├── Town01_Opt_ClearNight_5300274882951739.png │ │ ... │ │ └── Town01_Opt_ClearNight_18438957881020911553.png │ ... │ └── Town10HD_Opt_MidFoggyNoon │ └── ... ├── FLYAWARE-S │ ├── renders │ │ ├── Town01_Opt_120 │ │ │ ├── ClearNight │ │ │ │ ├── bboxes │ │ │ │ │ ├── 00000.json │ │ │ │ │ ... │ │ │ │ │ └── 02999.json │ │ │ │ ├── height20m │ │ │ │ │ ├── camera │ │ │ │ │ │ ├── 00000.json │ │ │ │ │ │ ... │ │ │ │ │ │ └── 02999.json │ │ │ │ │ ├── depth │ │ │ │ │ │ ├── 00000.png │ │ │ │ │ │ ... │ │ │ │ │ │ └── 02999.png │ │ │ │ │ ├── rgb │ │ │ │ │ │ ├── 00000.png │ │ │ │ │ │ ... │ │ │ │ │ │ └── 02999.png │ │ │ │ │ └── semantic │ │ │ │ │ ├── 00000.png │ │ │ │ │ ... │ │ │ │ │ └── 02999.png │ │ │ ├── ClearNoon │ │ │ │ └── ... │ │ │ ├── HardRainNoon │ │ │ │ └── ... │ │ │ └── MidFoggyNoon │ │ │ └── ... │ │ ├── ... │ │ └── Town10HD_Opt_120 │ ├── trajectories │ │ ├── keyframes_Town01_Opt_120.csv │ │ ... │ │ └── keyframes_Town10HD_Opt_120.csv │ ├── test.txt │ └── train.txt ├── FLYAWARE-R │ ├── gt │ │ ├── day │ │ │ ├── test │ │ │ │ ├── 00000.png │ │ │ │ ... │ │ │ │ └── 00068.png │ │ │ └── train │ │ │ ├── 00000.png │ │ │ ... │ │ │ └── 00199.png │ │ ├── fog │ │ │ └── ... │ │ ├── night │ │ │ └── ... │ │ └── rain │ │ └── ... │ ├── rgb │ │ ├── day │ │ │ ├── test │ │ │ │ ├── 00000.png │ │ │ │ ... │ │ │ │ └── 00068.png │ │ │ └── train │ │ │ ├── 00000.png │ │ │ ... │ │ │ └── 00199.png │ │ ├── fog │ │ │ └── ... │ │ ├── night │ │ │ └── ... │ │ └── rain │ │ └── ... │ └── splits │ ├── heterogeneous │ │ ├── test │ │ │ └── test_user.json │ │ └── train │ │ └── clients.json │ └── homogeneous_only_clear │ └── ... └── FLYAWARE-R-XL ├── gt │ └── ... ├── rgb │ └── ... └── splits └── ...
引用
如果使用该数据集，请引用以下论文：
bibtex @inproceedings{rizzoli2024cars, title={When Cars meet Drones: Hyperbolic Federated Learning for Source-Free Domain Adaptation in Adverse Weather}, author={Rizzoli, Giulia and Caligiuri, Matteo and Shenaj, Donald and Barbato, Francesco and Zanuttigh, Pietro}, booktitle={Winter Conference on Applications of Computer Vision (WACV)}, year={2025}, organization={IEEE} }
