Happy · 2020年12月21日

图像/视频超分之数据集

首发:AIWalker
作者:HappyAIWalker
大军未动,粮草先行。在深度学习领域,数据就是“粮草”。在进行模型训练之前,我们必须要了解需要用到哪些训练数据,哪些验证数据。在文本中,我们将汇总一下图像超分、视频超分中的那些数据集。

图像超分数据

  1. DIV2K

DIV2K数据主页链接:https://data.vision.ee.ethz.c...。DIV2K是NTIRE2017竞赛数据,它包含1000张2K分辨率图像,其中800张用于训练,100张用于验证,100张用于测试(GT未知)。在DIV2K数据里面,除了采用bicubic方式进行退化外,作者还提供了unknown退化方式的数据。数据的存放格式如下:

`DIV2K/
DIV2K/DIV2K_train_HR
DIV2K/DIV2K_train_LR_bicubic
DIV2K/DIV2K_train_LR_bicubic/X2
DIV2K/DIV2K_train_LR_bicubic/X3
DIV2K/DIV2K_train_LR_bicubic/X4
DIV2K/DIV2K_val_HR
DIV2K/DIV2K_val_LR_bicubic
DIV2K/DIV2K_val_LR_bicubic/X2
DIV2K/DIV2K_val_LR_bicubic/X3
DIV2K/DIV2K_val_LR_bicubic/X4
`

  1. Flickr2K

除了DIV2K外,Flickr2K也是常用的一个数据集,它往往同DIV2K合并称作DF2K。用于进一步扩增数据并提升模型的指标。Flickr2K包含260张2K分辨率图像,其下载链接为:http://cv.snu.ac.kr/research/...

Flickr2K的数据存放格式与DIV2K类似,如下形式:

`Flickr2K/
Flickr2K/Flickr2K_HR
Flickr2K/Flickr2K_LR_bicubic
Flickr2K/Flickr2K_LR_bicubic/X2
Flickr2K/Flickr2K_LR_bicubic/X3
Flickr2K/Flickr2K_LR_bicubic/X4
`

  1. DIV8K

DIV8K是AIM2019新构建个一个数据集,它包含1500张分辨率最高达到8K的图像,相比DIV2K,它具有更多样性的场景,它用于进行16x和32x超分任务的训练。此外它还分别有100张用于验证和测试的高分辨率图像。它的数据排布方式与DIV2K基本相同:

`DIV8K/
DIV8K/DIV8K_train_HR
DIV8K/DIV8K_train_LR_bicubic
DIV8K/DIV8K_train_LR_bicubic/X16
DIV8K/DIV8K_val_LR_bicubic
DIV8K/DIV8K_val_LR_bicubic/X16
`

  1. RealSR

RealSR是Jianrui Cai等人构建了一种模拟camera的数据,它提供了Canon与Nikon两种相机采集的数据。它有三个版本的数据,V1包含234场景数据,HR与LR分辨率相同;V2包含559场景数据,HR与LR分辨率相同;V3包含559场景数据,HR与LR分辨率不同。与此同时,RealSR还提供有RAW数据。该数据集的链接为:https://github.com/csjcai/Rea...

`RealSR/
RealSR/Cannon
RealSR/Cannon/Test
RealSR/Cannon/Test/2
RealSR/Cannon/Test/3
RealSR/Cannon/Test/4
RealSR/Cannon/Train
RealSR/Cannon/Train/2
RealSR/Cannon/Train/3
RealSR/Cannon/Train/4
RealSR/Nikon
RealSR/Nikon/Test
RealSR/Nikon/Test/2
RealSR/Nikon/Test/3
RealSR/Nikon/Test/4
RealSR/Nikon/Train
RealSR/Nikon/Train/2
RealSR/Nikon/Train/3
RealSR/Nikon/Train/4
`

  1. DReal

DRealSR是Pengxu Wei等人构建的一种真实LR-HR数据对。相比RealSR,它的具有更强的多样性、更多的数据量。其下载链接为:https://pan.baidu.com/s/1ey9J... (验证码:osiy)。该数据的排布方式如下:

`DRealSR
DRealSR/x2
DRealSR/Test_x2
DRealSR/Test_x2/test_HR
DRealSR/Test_x2/test_LR
DRealSR/Train_x2
DRealSR/Train_x2/train_HR
DRealSR/Train_x2/train_LR
DRealSR/x3
DRealSR/Test_x3
DRealSR/Test_x3/test_HR
DRealSR/Test_x3/test_LR
DRealSR/Train_x3
DRealSR/Train_x3/train_HR
DRealSR/Train_x3/train_LR
DRealSR/x4
DRealSR/Test_x4
DRealSR/Test_x4/test_HR
DRealSR/Test_x4/test_LR
DRealSR/Train_x4
DRealSR/Train_x4/train_HR
DRealSR/Train_x4/train_LR
`

  1. City100

City100是Chang Chen等人构建的一种模拟相机镜头的真实数据集,它采用了Nikon与iphone分别采集了100对HR-LR数据对。下载链接:https://github.com/xhydtc/Cam...。它的数据排布方式如下:

`City100/
City100/City100_NikonD5500
City100/City100_iPhoneX
`

  1. SR-RAW

SR-RAW是Qifeng Chen等人构建一个raw数据进行超分的数据集。该数据集链接:https://github.com/ceciliavis...。这个数据集有点大,训练集有58G,测试集有7G。

  1. Set5,常用验证集。链接如下:http://people.rennes.inria.fr...\_BMVC12.html
  2. Set14,常用验证集。链接如下:https://sites.google.com/site...
  3. B100,常用验证集。链接如下:https://www2.eecs.berkeley.ed...
  4. Urban100,常用验证集。链接:https://cv.snu.ac.kr/research...
  5. Manga109,常用验证集。链接:http://www.manga109.org/en/
  6. General100,常用验证集。下载链接:http://mmlab.ie.cuhk.edu.hk/p...
  7. L20,非常用验证集。下载链接:待补充。
  8. T91,传统方法常用数据。链接:https://drive.google.com/driv...

视频超分

  1. Vimeo90K

Vimeo90K应该是视频超分领域应用最多的数据集了。它是Tianfan Xue等人构建的一个用于视频超分、视频降噪、视频去伪影、视频插帧的数据集。虽然该数据集的分辨率比较小,仅为,但是该数据集非常大,高达80G。下载链接:http://toflow.csail.mit.edu/

  1. REDS

REDS是NTIRE19竞赛用数据,它被用于进行视频超分、视频插帧等任务。该数据集的分辨率为720p,算是比较大的数据了。完整数据合计近100G,下载链接:https://seungjunnah.github.io...

  1. Vid4,常用的视频超分验证数据集。链接:https://github.com/spigelli/v...
  2. SMPCs,常用视频超分验证数据集。链接:https://github.com/jiangsutx/...\_VideoSR
  3. UDM10,常用视频超分验证数据集。链接:https://pan.baidu.com/s/1TNtkn\_dHHQf\_3\_JABKWgZg(验证码:pr7p)
  4. MM522

MM522是Peng Yi等人构建的一个用于视频超分的数据集,它包含20个视频序列。下载链接如下:https://github.com/psychopa4/...。数据排布如下:

image.png

        当然,这里也仅仅列出了图像/视频超分中常用的数据集。还有不少应用较少的数据暂未列上去。不过上述这些数据也足够各位同学进行相应研究了。

- END -

推荐阅读

本文章著作权归作者所有,任何形式的转载都请注明出处。更多动态滤波,图像质量,超分辨相关请关注我的专栏深度学习从入门到精通
推荐阅读
关注数
6193
内容数
190
夯实深度学习知识基础, 涵盖动态滤波,超分辨,轻量级框架等
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息