极端天气数据集（雾天道路数据）

极端天气数据集（雾天道路数据）是收集了各种类型的雾天天气下道路交通情况的统计信息的数据集。该数据集提供了各种类型的雾天天气下道路交通流量、速度、堵塞程度等详细信息。

这个数据集对于研究和分析雾天天气对道路交通的影响具有重要意义。它可以帮助交通规划者、城市管理者、交通运输部门等从事相关领域的专业人士更好地了解雾天天气对道路交通的影响，从而提供更准确的预测和决策支持。

通过使用极端天气数据集（雾天道路数据），研究人员可以分析雾天天气对道路交通流量和速度的影响，并评估不同地理区域和季节之间的差异。他们可以探索不同城市道路网络之间的差异，并评估道路基础设施的韧性和抵御极端天气事件的能力。

此外，交通规划者可以利用这个数据集来评估雾天天气对道路交通的影响，并制定相应的交通规划策略。城市管理者可以使用这些数据来评估城市道路基础设施的韧性和抵御雾天交通拥堵的能力。

极端天气数据集（雾天道路数据）的特点是它提供了大量可靠的数据，包括时间序列、地理空间信息和事件的详细描述。这些数据可以用于构建预测模型、时空分析和风险评估等应用。

总之，极端天气数据集（雾天道路数据）为研究和应对雾天天气对道路交通的影响提供了重要的数据资源。它对于了解雾天天气对道路交通的影响，以及制定相应的预测和决策具有重要意义。

 

自从发布极端天气目标检测的博客， 得知有许多小伙伴需要极端天气数据集，因此制作收集了道路环境雾天数据集。

雾霾驾驶数据集已更新。它现在还包含雾驾驶密集子集中21幅浓雾图像的路径列表。

雾状驾驶数据集+语义分割

本文提出了两个不同的数据集，用于对雾场景的语义理解：雾城市景观和雾驾驶。

雾霾城市景观源自城市景观数据集，由我们提出的雾霾模拟生成的合成雾霾图像组成，这些图像自动继承了真实、清晰的对应物的语义注释。相反，本博客提供了以下降噪深度图和透射率图的辅助雾城市景观模式：
 

雾天驾驶是101个真实世界雾天道路场景的集合，带有语义分割和对象检测注释，用作雾天领域的基准。我们为19个城市景观评估类别提供这些图像的密集像素级语义注释。还可以使用属于上述8个类中对应于人类或车辆的对象的边界框注释。

 

本人为真实的室外场景搜集了雾模拟管道，并将其应用于城市景观数据集中的25000张完整图像集，以获得雾城市景观。我们还从最初的3475张城市景观图像中定义了一组550张训练+验证的城市景观图像，这些图像产生了高质量的合成雾。最终收集到的550幅雾图像被称为“雾城市景观”。 

 

l另外本文为5000张训练+验证+测试城市景观图像提供了三种不同版本的雾城市景观，每种图像都具有恒定的衰减系数，该系数决定雾密度和能见度范围。衰减系数的值为0.005、0.01和0.02m-1，分别对应600、300和150m的能见度范围。对于20000张额外训练的城市景观图像，我们提供了一个衰减系数为0.01m-1的单一版本。

雾天驾驶由101幅彩色图像组成，描绘了真实的雾天驾驶场景。其中51幅图像是在苏黎世不同地区的雾天条件下用手机摄像头拍摄的，其余50幅图像是从网上收集的。数据集中的最大图像分辨率为960x1280像素。

Foggy Driving为一组19个类提供像素级语义注释，用于城市景观中的评估。上述集合中与人类或车辆相对应的8个类的单独实例被单独标记，这为这些类提供了边界框注释。
总共包含500多辆带注释的车辆和近300名带注释的人类。鉴于其适度规模，该数据集用于评估目的，我们建议不要使用其注释来训练语义分割或对象检测模型。示例图像及其语义注释以及总体注释统计信息如下所示。