RESIDE

RESIDE是一个用于评估单图像去雾算法的大型数据集，由中国科学院信息工程研究所等机构创建。数据集包含14,490张图像，分为五个子集，分别用于不同的训练或评估目的。RESIDE强调多样化的数据来源和图像内容，并提供了从全参考度量到无参考度量，再到主观评价和新颖的任务驱动评价的丰富评价标准。该数据集旨在解决户外场景中由于雾霾导致的图像质量下降问题，适用于视频监控和自动驾驶等多种应用领域。RESIDE is a large-scale dataset for evaluating single-image dehazing algorithms, created by institutions including the Institute of Information Engineering, Chinese Academy of Sciences, and others. The dataset contains 14,490 images, divided into five subsets tailored for distinct training or evaluation purposes. RESIDE emphasizes diverse data sources and image content, and provides a comprehensive set of evaluation metrics ranging from full-reference metrics, no-reference metrics, to subjective evaluation and novel task-driven evaluation criteria. This dataset aims to address the issue of image quality degradation caused by haze in outdoor scenes, and is applicable to multiple application fields such as video surveillance and autonomous driving.

搜集汇总

数据集介绍

构建方式

RESIDE 数据集的构建旨在为单张图像去雾算法提供一个全面的评估平台。该数据集由合成和真实世界的模糊图像组成，分为五个子集，每个子集服务于不同的训练或评估目的。训练集由从现有的室内深度数据集中生成的合成模糊图像组成，包括 NYU2 和 Middlebury 立体声数据库。测试集包括合成客观测试集 (SOTS) 和混合主观测试集 (HSTS)，分别用于客观和主观质量评估。此外，还引入了 RESIDE-β 子集，包括两个创新的讨论，分别针对训练数据内容和评估标准。

特点

RESIDE 数据集的特点在于其多样性，包括大规模的合成训练集和用于客观和主观质量评估的不同测试集。它提供了丰富的去雾算法评估标准，从全参考指标到无参考指标，再到主观评估和新型任务驱动评估。RESIDE-β 子集则进一步探讨了当前训练数据内容（室内与室外图像）和评估标准（从人类视觉或机器视觉的角度）方面的挑战。

使用方法

使用 RESIDE 数据集时，研究者可以将其作为训练数据集，用于训练和验证单张图像去雾算法。此外，数据集还提供了丰富的评估指标，包括 PSNR、SSIM、SSEQ、BLIINDS-II 等指标，以及主观评分和任务驱动评估。研究者可以根据自己的需求选择合适的评估指标，对去雾算法的性能进行评估和比较。

背景与挑战

背景概述

单图像去雾是计算机视觉和计算摄影领域中的一个重要课题。由于大气散射现象，图像在雾天或霾天往往出现能见度低、对比度下降、表面模糊和颜色偏移等问题。这给图像恢复和增强带来了巨大的挑战，同时也限制了计算机视觉算法在实际环境中的应用。为了解决这一问题，研究者们开发了多种去雾算法，旨在恢复图像的真实场景辐射。RESIDE数据集的创建旨在为去雾算法提供一个全面和公正的评价标准，推动该领域的发展。

当前挑战

RESIDE数据集面临的挑战主要包括：1) 训练数据的真实性和多样性：尽管RESIDE数据集包含了大量的合成雾图像，但真实世界中的雾图像具有更多样化的内容和场景，需要更多的真实雾图像来提高算法的泛化能力；2) 评价标准的多样性和相关性：RESIDE数据集采用了多种评价标准，包括PSNR、SSIM、SSEQ、BLIINDS-II等，但这些标准在预测人类感知质量方面仍存在局限性，需要进一步研究和改进；3) 高级视觉任务的关联性：去雾算法在实际应用中通常作为高级视觉任务的预处理步骤，如目标检测和识别，需要进一步研究去雾算法对高级视觉任务性能的影响，并开发相应的评价标准。

常用场景

经典使用场景

RESIDE数据集为单图像去雾算法提供了一个全面的评估平台，涵盖了从合成图像到真实世界图像的广泛数据源和图像内容。该数据集分为五个子集，每个子集都服务于不同的训练或评估目的。RESIDE-β作为RESIDE的补充部分，进一步探讨了当前去雾研究中训练数据内容和评估标准方面的挑战。RESIDE-β包括室内和室外训练数据集，以及一个包含4322张真实世界模糊图像的任务驱动评估集，每个图像都标注了目标边界框。该数据集旨在推动去雾算法在计算机视觉任务中的应用，如目标检测和识别。

实际应用

RESIDE数据集在计算机视觉领域具有广泛的应用前景，如视频监控、自动驾驶和无人机等。去雾算法可以消除图像中的雾气和烟尘，提高图像的清晰度和对比度，从而帮助计算机视觉系统更好地识别和理解场景。此外，RESIDE数据集还可以用于开发新的去雾算法，并评估其在真实世界中的应用效果。

衍生相关工作

RESIDE数据集的发布推动了去雾算法研究的进一步发展。基于RESIDE数据集，研究人员开发了一系列新的去雾算法，如DehazeNet、MSCNN和AOD-Net等。这些算法在PSNR、SSIM等指标上取得了显著的性能提升，并在真实世界图像中表现出良好的泛化能力。此外，RESIDE数据集还促进了去雾算法与其他计算机视觉任务的结合，如目标检测、识别和语义分割等，为计算机视觉领域的研究和应用提供了新的思路。