红外可见光融合数据集：M3DF

红外可见光融合数据集：M3DF

1️⃣ 资料

1. 说明：本篇数据集是Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection中提出的，同样包含了目标检测部分。这个文章来自 2022 年 CVPR。
2. 官方 github：https://github.com/dlut-dimt/TarDAL（很全面）
   • Google Drive：https://drive.google.com/drive/folders/1H-oO7bgRuVFYDcMGvxstT1nmy0WF_Y_6
   • Baidu Yun:https：//pan.baidu.com/s/1GoJrrl_mn2HNQVDSUdPCrw?pwd=M3FD

2️⃣ 官方 github 翻译

数据集预览

• Sensor: A synchronized system containing one binocular optical camera and one binocular infrared sensor. More details are available in the paper.
  传感器：由一个双目光学摄像机和一个双目红外传感器组成的同步系统。更多的细节可在文件中找到。

• Main scene: 主场景：

  • Campus of Dalian University of Technology.
    大连理工大学校园。
  • State Tourism Holiday Resort at the Golden Stone Beach in Dalian, China.
    国家旅游度假区在大连的金石海滩，中国。
  • Main roads in Jinzhou District, Dalian, China.
    大连市金州区主要道路。

• Total number of images: 图像总数：

  • 8400 (for fusion, detection and fused-based detection)
    8400（用于融合、检测和基于融合的检测）
  • 600 (independent scene for fusion)
    600（独立场景融合）

• Total number of image pairs:
  图像对总数：

  • 4200 (for fusion, detection and fused-based detection)
    4200（用于融合、检测和基于融合的检测）
  • 300 (independent scene for fusion)
    300（独立场景融合）

• Format of images: 图像格式：

  • [Infrared] 24-bit grayscale bitmap
    [红外] 24位灰度位图
  • [Visible] 24-bit color bitmap
    [可见] 24位彩色位图

• Image size: 1024 x 768 pixels (mostly)
  图像大小：1024 x 768像素（大部分）

• Registration: All image pairs are registered. The visible images are calibrated by using the internal parameters of our synchronized system, and the infrared images are artificially distorted by homography matrix.
  配准：配准所有图像对。利用同步系统的内部参数对可见光图像进行了标定，利用单应矩阵对红外图像进行了畸变处理。

• Labeling: 34407 labels have been manually labeled, containing 6 kinds of targets: {People, Car, Bus, Motorcycle, Lamp, Truck}. (Limited by manpower, some targets may be mismarked or missed. We would appreciate if you would point out wrong or missing labels to help us improve the dataset)
  标注：已人工标注34407个标签，包含6种目标：{人、汽车、公交车、摩托车、灯具、卡车}。（受人手所限，可能会误标或漏标。如果您能指出错误或缺失的标签以帮助我们改进数据集，我们将不胜感激）