- NYU2
介绍：
NYU2数据集有含有1449张RGBD图像，这些图像中包含464个不同的室内场景。图像是由微软Kinect的RGB和Depth相机拍摄的视频序列.同时，这些图像数据中的每个对象都被标注过。
组成：
NYU2数据集由三个部分组成：1.视频中对象的标注信息。2.由微软Kinect提供的RGB、深度和加速度数据。3.一个用于操作数据和标注的函数集。该数据集的操作说明与下载地址可以查看https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html。
图像示例：
2. RESIDE
简介
RESIDE数据集包括合成和真实世界的模糊图像，称为REalistic Single Image Dehazing，RESIDE突出显示了各种数据源和图像内容，并分为五个子集，每个子集用于不同的训练或评估目的。提供了各种各样的去雾算法评估标准，从完整参考度量，无参考度量，到主观评估和任务驱动评估。
特点
- RESIDE数据集引入了一种新的单图像去雾基准，具有大规模的综合训练集，以及分别为客观和主观质量评估设计的两套不同的数据集。
- 在RESIDE中，除了广泛采用的PSNR和SSIM之外，我们进一步采用无参考度量和人类主观评分来评估去雾效果，特别是真实世界模糊图像。利用感知损失作为“全参考”任务驱动的度量，捕获更高级别的语义，将在去噪图像上的对象检测性能作为“无参考”任务特定的评估标准，用于去雾现实图像
总览
REISDE训练集包含13,990个合成模糊图像，使用来自现有室内深度数据集NYU2和米德尔伯里立体数据库的1,399个清晰图像生成。 我们为每个清晰图像合成10个模糊图像。 提供了13,000个用于训练和990个用于验证。 我们设置每个通道大气光A在[0.7，1.0]之间，均匀地随机选择beta在[0.6,1.8]。 因此，它包含成对的清晰和模糊的图像，其中清晰的地面实况图像可以导致多个对，其朦胧图像是在不同的参数A和beta下生成的。
REISDE测试集由综合目标测试集（SOTS）和混合主观测试集（HSTS）组成，旨在表现出多种评估观点。 SOTS从NYU2中选择500个室内图像（与训练图像不重叠），并按照与训练数据相同的过程来合成模糊图像。 我们专门为测试创建具有挑战性的去雾情况，例如，添加了浓雾的白色场景。 HSTS采用与SOTS相同的方式生成10个合成的户外朦胧图像，以及10个真实世界的朦胧图像，收集现实世界的室外场景 ，结合进行人体主观评审。
数据集示例
论文及数据集下载地址https://sites.google.com/view/reside-dehaze-datasets
3. Middlebury Stereo 数据集
MS数据集由真实场景的清晰图片及其深度图组成，该数据集根据图片中物体的不同被分为33个子集，通常其中的10个作为训练集，10个作为测试集，剩余的13个子集作为补充。该数据集的图片示例及使用方法可以在http://vision.middlebury.edu/stereo/data/获取。该数据中全尺寸为1800*1500，半尺寸为 900*750，正常尺寸为450*375。