最经典盲超分辨率数据集

一、背景

底层视觉的发展是否能够让我们真正地看清这个世界呢?

在单图超分中,非盲超分已经发展得较为成熟了,而盲超分和真实超分仍然有很多问题尚未解决。在我看来,盲超分只是真实超分的一个过渡,由于真实世界中退化多而复杂,现有的方法不可能穷尽所有退化,那么必然会带来一系列问题,因此真实超分的路还很长。

封面与该图均选自RealBasicVSR(CVPR 2022)

二、整理盲超分辨率数据集

数据集:DIV2K

  • 发布时间:2017-07

  • 数据集内容:DIV2K数据集是一个用于图像超分辨率研究的高质量图像数据集,包含800张高分辨率图像,分为800张训练图像和100张验证图像。该数据集主要用于训练和评估超分辨率算法,特别是用于提升图像分辨率的技术。

  • 数据集地址:DIV2K|图像超分辨率数据集|机器视觉数据集

数据集:Flickr2K

  • 发布时间:2016-09

  • 数据集内容:Flickr2K数据集是一个用于超分辨率任务的图像数据集,包含2650张高分辨率图像。这些图像主要用于训练和评估超分辨率算法,特别是用于将低分辨率图像转换为高分辨率图像的研究。

  • 数据集地址:Flickr2K|图像处理数据集|计算机视觉数据集

数据集:Set5

  • 发布时间:2013-01

  • 数据集内容:Set5是一个用于超分辨率图像处理的小型基准数据集,包含5张自然图像,常用于评估超分辨率算法的效果。

  • 数据集地址:Set5|图像超分辨率数据集|机器视觉数据集

数据集:Manga109

  • 发布时间:2017-09

  • 数据集内容:Manga109是一个包含109部日本漫画的数据集,每部漫画包含多个章节,每个章节包含多页图像。数据集还包括每页图像的标注信息,如人物边界框、人物属性等。

  • 数据集地址:Manga109|漫画研究数据集|图像处理数据集

数据集:VOC2012

  • 发布时间:2012-01

  • 数据集内容:VOC2012数据集是一个用于图像识别和分类的基准数据集,包含超过11,000张标注图像,涵盖20个不同的对象类别。该数据集主要用于训练和评估计算机视觉模型,特别是目标检测和图像分割任务。

  • 数据集地址:VOC2012|图像处理数据集|计算机视觉数据集

数据集:ImageNet

  • 发布时间:2009-01

  • 数据集内容:ImageNet是一个大规模的图像数据库,包含超过1400万张标注图像,涵盖超过2万个类别。该数据集主要用于计算机视觉研究,特别是图像分类和物体识别任务。

  • 数据集地址:ImageNet|计算机视觉数据集|图像识别数据集

数据集:COCO

  • 发布时间:2014-09

  • 数据集内容:COCO(Common Objects in Context)数据集是一个大规模的对象检测、分割和字幕生成数据集。它包含了超过33万张图片,其中20万张图片带有标注,涵盖了80个常见对象类别。数据集还包括了图片的实例分割、语义分割和关键点检测信息。

  • 数据集地址:COCO|对象检测数据集|图像分割数据集

数据集:CelebA

  • 发布时间:2015-04

  • 数据集内容:CelebA(CelebFaces Attributes Dataset)是一个大规模的人脸属性数据集,包含超过20万张名人图片,每张图片标注了40种不同的面部属性,如性别、年龄、表情等。该数据集广泛用于人脸识别、属性预测和图像生成等研究领域。

  • 数据集地址:CelebA|人脸识别数据集|计算机视觉数据集

数据集:Places365

  • 发布时间:2016-03

  • 数据集内容:Places365数据集是一个大规模的场景识别数据集,包含超过1000万张图片,涵盖365个不同的场景类别。该数据集旨在推动场景识别和理解的研究,适用于计算机视觉和机器学习任务。

  • 数据集地址:Places365|计算机视觉数据集|图像识别数据集

数据集:OpenImages

  • 发布时间:2018-04

  • 数据集内容:OpenImages是一个大规模的图像数据集,包含超过900万张图像,每张图像都用边界框标注了对象实例,并且提供了丰富的元数据。数据集还包括图像级别的标签、视觉关系和分割掩码。

  • 数据集地址:OpenImages|计算机视觉数据集|图像识别数据集

数据集:ADE20K

  • 发布时间:2017-01

  • 数据集内容:ADE20K是一个用于场景感知、分割和物体识别的图像数据集。它包含了超过20,000张图像,每张图像都进行了详细的语义分割标注,涵盖了150个不同的语义类别。

  • 数据集地址:ADE20K|计算机视觉数据集|图像分割数据集

数据集:NYU Depth V2

  • 发布时间:2012-04

  • 数据集内容:NYU Depth V2数据集包含1449张RGB-D图像,这些图像来自464个不同的室内场景,每张图像都配有深度信息。该数据集广泛用于计算机视觉和深度学习研究,特别是在场景理解、物体识别和深度估计等领域。

  • 数据集地址:NYU Depth V2|计算机视觉数据集|室内导航数据集

数据集:KITTI

  • 发布时间:2012-09

  • 数据集内容:KITTI数据集是一个广泛用于自动驾驶和计算机视觉研究的数据集,包含多种传感器数据,如立体摄像头、激光雷达和GPS/IMU数据。它提供了丰富的标注信息,包括物体检测、跟踪、语义分割等任务的标注。

  • 数据集地址:KITTI|自动驾驶数据集|计算机视觉数据集

数据集:Cityscapes

  • 发布时间:2016-04

  • 数据集内容:Cityscapes数据集是一个用于语义城市街景分割的大规模数据集,包含50个城市的街景图像。数据集主要用于训练和评估计算机视觉模型,特别是用于自动驾驶和机器人导航的模型。数据集包含高分辨率图像,并标注了30个语义类别,包括道路、行人、车辆等。

  • 数据集地址:Cityscapes|自动驾驶数据集|实时语义分割数据集

数据集:DAVIS

  • 发布时间:2017-04

  • 数据集内容:DAVIS(Densely Annotated VIdeo Segmentation)数据集是一个用于视频对象分割任务的数据集。它包含了50个高质量的视频序列,每个视频序列都带有密集的对象分割注释,涵盖了多种动态场景和对象类别。该数据集旨在推动视频对象分割技术的发展,特别是在处理复杂和动态场景中的对象分割问题。

  • 数据集地址:DAVIS

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/461528.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spring Boot 配置文件详解与最佳实践

目录 前言1. 配置文件的作用2. Spring Boot 主要配置内容2.1 Actuator 配置2.2 缓存配置2.3 核心配置2.4 数据库与数据迁移配置2.5 开发工具配置2.6 Docker Compose 配置2.7 JSON 配置2.8 安全配置 3. 多个配置文件的处理方法3.1 使用 Profile 文件区分环境3.2 结合优先级加载配…

【Stable Diffusion】

1、SD 模型 安装完SD软件后,必须搭配基础模型才能使用。 不同的基础模型,其画风和擅长的领域会有侧重。 Checkpoint大模型 大模型是 SD 的核心,用来控制生成图片的整个画面风格走势。 出图前要选择好合适的大模型,比如有些擅长…

吉林大学2023级数据结构上机实验第(1~2周)参考答案(关注我,在系统关闭后持续更新)

A 括号匹配&#xff08;进阶版&#xff09; 分数 10 编写程序检查给定字符串中包含的括号是否正确匹配&#xff0c;本题中的括号有{ }、[ ]、( )、< >四种。另外再加上一个新的约束条件&#xff1a;当有多种括号嵌套时&#xff0c;嵌套的顺序应为{ → [ → ( → <&…

【综合算法学习】(第十三篇)

目录 解数独&#xff08;hard&#xff09; 题目解析 讲解算法原理 编写代码 单词搜索&#xff08;medium&#xff09; 题目解析 解析算法原理 编写代码 解数独&#xff08;hard&#xff09; 题目解析 1.题目链接&#xff1a;. - 力扣&#xff08;LeetCode&#xff09;…

【C++】string 类模拟实现:深入探索字符串操作原理

快来参与讨论&#x1f4ac;&#xff0c;点赞&#x1f44d;、收藏⭐、分享&#x1f4e4;&#xff0c;共创活力社区。 &#x1f6a9;在之前的文章中我们学会了对string类函数的使用&#xff0c;现在让我们对其进行模拟实现吧~&#x1f6a9; 目录 &#x1f4af;引言 &#x1f4…

[c++高阶]AVL树的深度剖析模拟实现

1.前言 如果你不知道什么是二叉搜索树&#xff0c;那么请你一定要阅读以下文章。 [c高阶]二叉搜索树深度剖析-CSDN博客 二叉搜索树如果在已经有序的情况下进行插入的话&#xff0c;那么他的时间复杂度是O(N)&#xff0c;然后有时候的时间复杂度又是O(logN)&#xff0c;因此在实…

我在命令行下剪辑视频

是的&#xff0c;你不需要格式工厂&#xff0c;你也不需要会声会影&#xff0c;更不需要爱剪辑这些莫名其妙的流氓软件&#xff0c;命令行下视频处理&#xff0c;包括剪辑&#xff0c;转码&#xff0c;提取&#xff0c;合成&#xff0c;缩放&#xff0c;字幕&#xff0c;特效等…

Tita:什么是 360 评估?

360 评估是一个专业的反馈机会&#xff0c;使一组同事和经理能够提供有关同事绩效的反馈。与仅由其经理评估员工工作绩效的典型员工绩效评估不同&#xff0c;360 评估会考虑来自同事和报告员工的反馈&#xff0c;甚至包括客户和与员工互动的其他人。 Tita&#xff1a;什么是 3…

jenkins ssh 免密报错Host key verification failed.

jenkins 发布项目&#xff0c;ssh连接远程服务器时报错&#xff1a;Host key verification failed. 解决&#xff1a; 原因是生成的sshkey不是用的jenkins用户&#xff0c;所以切换用户到&#xff1a;jenkins重新生成sshkey su jenkins ssh-keygen -t rsa ssh-copy-id -i ~/…

【Linux第七课--基础IO】内存级文件、重定向、缓冲区、文件系统、动态库静态库

目录 引入内存级文件重新使用C文件接口 -- 对比重定向写文件读文件文件流 认识文件操作的系统接口open参数 -- flagflag的内容宏的传参方式 open关闭文件写文件读文件结论 引入文件描述符fd、对文件的理解理解一切皆文件方法集文件fd的分配规则 重定向代码的重定向输入重定向输…

创意设计的起点:十大网页设计模板网站

对于网页设计领域的专业人士和爱好者而言&#xff0c;从零开始构建一个网页可能会耗费大量的时间和劳力。幸运的是&#xff0c;我们可以通过使用现成的网页模板来提升工作效率并节省宝贵的时间。一个好的模板不仅能提高设计效率&#xff0c;还能激发出卓越的创意灵感。因此&…

鸿蒙Harmony-矩形绘制组件Rect使用详解

目录 一&#xff0c;定义 二&#xff0c;绘制自定义图形 三&#xff0c;作为其他控件背景使用 一&#xff0c;定义 Rect是鸿蒙提供的矩形绘制组件&#xff0c;利用该组件可以绘制矩形背景&#xff0c;矩形图案等 官方提供的参数和属性&#xff1a; 参数&#xff1a; 参数名…

netty之bootstrap源码分析

写在前面 本文看下bootstrap类。 1&#xff1a;正文 1.1&#xff1a;干啥的&#xff1f; 在进行netty编程的时候都是先创建一个bootstrap&#xff0c;然后设置很多的东西&#xff0c;如下代码&#xff08;服务端启动代码&#xff09;&#xff1a; ServerBootstrap b new …

c# WinForm弹出窗体时不获取焦点方法

WinForm开发的软件有时候需要在屏幕右下角弹窗进行一些提示&#xff0c;通常使用new MyForm().Show()即可实现此需求。 但是当MyForm显示出来时&#xff0c;会抢走原本窗体上的光标&#xff0c;导致原本在软件上比如打字或者其他操作被中断&#xff0c;非常不人性化&#xff0…

方差和标准差哪些事儿

1.方差 在概率论与数理统计中&#xff0c;方差用来度量随机变量和其数学期望&#xff08;即均值&#xff09;之间的偏离程度。方差是各个数据与平均数之差的平方和的平均数,即: s(1/n)[(x1-x_)^2 (x2-x_)^2 …(xn-x_)^2] 其中&#xff0c;x_表示样本的平均数&#xff0c;n表示…

Hudi Upsert原理

1. 前言 如果要深入了解Apache Hudi技术的应用或是性能调优&#xff0c;那么明白源码中的原理对我们会有很大的帮助。Upsert是Apache Hudi的核心功能之一&#xff0c;主要完成增量数据在HDFS/对象存储上的修改&#xff0c;并可以支持事务。而在Hive中修改数据需要重新分区或重…

了解SQLExpress数据库

SQLExpress&#xff08;Microsoft SQL Server Express&#xff09;是由微软公司开发的一款免费且轻量级的数据库管理系统。以下是关于SQLExpress的详细解释&#xff1a; 一、定义与特点 定义&#xff1a; SQLExpress是Microsoft SQL Server的一个缩减版或基础版&#xff0c;旨在…

空天地遥感数据识别与计算

在科技飞速发展的时代&#xff0c;遥感数据的精准分析已经成为推动各行业智能决策的关键工具。从无人机监测农田到卫星数据支持气候研究&#xff0c;空天地遥感数据正以前所未有的方式为科研和商业带来深刻变革。然而&#xff0c;对于许多专业人士而言&#xff0c;如何高效地处…

JavaEE-多线程初阶(2)

目录 1.创建线程的五种写法 1.1 继承Thread类 1.2 实现Runnable接口 1.3 使用匿名内部类 1.4 使用Runnable&#xff0c;匿名内部类 1.5 引入lambda表达式 2.Thread类及常见方法 2.1 认识Thread 2.2 Thread的常见构造方法 2.3 Thread的几个常见属性 关于后台线程 关…

【网络安全】揭示 Web 缓存污染与欺骗漏洞

未经许可,不得转载。 文章目录 前言污染与欺骗Web 缓存污染 DoS1、HTTP 头部超大 (HHO)2、HTTP 元字符 (HMC)3、HTTP 方法覆盖攻击 (HMO)4、未键入端口5、重定向 DoS6、未键入头部7、Host 头部大小写规范化8、路径规范化9、无效头部 CP-DoS10、HTTP 请求拆分Web 缓存污染与有害…