向AI转型的程序员都关注了这个号👇👇👇
LIVE数据集
LIVE数据集是最大的可用注释图像质量数据集，由奥斯汀的德克萨斯大学图像和视频工程实验室于2006年建立，整个数据集的参考图片来源于互联网和摄影光盘中收集的29张高分辨率和高质量的彩色图像，包括人脸图片、动物图片、特写镜头、广角拍摄图片、自然场景、人造物体以及具有不同前景/背景配置的图像。
LIVE数据集包括779幅失真图像，数据集使用五种计算机失真操作分别对参考图进行5 ∼ 6个等级的降质处理，得到了779张失真图像，为了模拟可能发生在现实应用中大多数的图像损伤，这些失真类型包括了结构化失真（高斯模糊）、与图像相关的失真（JPEG 压缩JPEG2000 压缩和JPEG2000 快速尺度衰落失真）以及随机噪声（白噪声），以及29幅高分辨率24位/像素RGB彩色参考图像。每个失真类型包含5或4个失真级别，（如图一所示，展示的是fastfading失真等级）。图像的大小大多为768×512。
数据库提供每个失真图像 对应的平均主观得分差 ( differential mean opinion score,DMOS),大约 25000个统计数据,由 161个实 验者测试得到。每个图像质量评级的差分平均意见分数（DMO）在[0,100]的范围内，其中较高的DMO意味着较低的质量。
下载链接：http://live.ece.utexas.edu/index.php
百度网盘链接: https://pan.baidu.com/s/1INwVNG6UzW9kQbbTKOn2tA
提取码:u64j
TID2013数据集
TID2013数据集包含了从25个参考图中获得的3000多张测试图像，每个参考图像有24种失真类型，每种类型的失真分为5 个级别。通过对来自五个不同国家（芬兰、法国、意大利、乌克兰和美国）的志愿者进行了985次主观实验，收集了图像的平均意见得分。值得注意的是TID2013数据集除了17个模拟空间扭曲的失真图像外，引入了7 种新型失真类型，它试图更多地关注图像在“颜色”方面的扭曲，这是考虑到如今人们对灰度图像使用率逐渐减少，所以颜色信息的保存变得越来越重要。其次，该数据集在创建过程中使用了新的构造失真图像算法，丰富了IQA数据集中的图像失真类型，这对于创建图像视觉质量指标是很重要的。
基于HVS度量设计和评估的数据集的基本要求，IQA数据集应该包含大量各种内容的标准彩色图像。2013 年建立的TID2013包含25张无失真彩色图像，其中24张图像（通过裁剪）从柯达数据集中获得，人工创建了第25 张参考图像，添加到24 张自然场景图像中，如图三所示，共有25张无失真图像。可以看出，测试图像在内容风格方面大相径庭，其中一些图片包含相当丰富的纹理，也有一些则包含较大的均匀区域。
由于TID2013数据集失真种类更为丰富，样本数量较多，因此很多IQA算法在做测试或对比试验时用到该数据集。
下载链接：http://www.ponomarenko.info/tid2013.htm
百度网盘链接:https://pan.baidu.com/s/1izuAmcuKJaXPQOTD4vbe3w
提取码:2bf8
CSIQ (categorical subjective image quality) 数据集
CSIQ (categorical subjective image quality) 数据集于2009年建立，包含30张原始图像和866 张合成失真图像。CSIQ数据集中的六种失真类型分别为：高斯模糊、加性彩高斯噪声、加性高斯白噪声，全局对比度衰减、JPEG 压缩和JPEG2000 压缩。每种失真类型在4到5个不同的失真水平的降质操作下得到866 个原始图像的失真版本。由25 位志愿者针对CSIQ 数据集做出了5000个DMOS 评估数据，取值范围为(︀0,1⌋︀。
下载链接：http://vision.okstate.edu/csiq
网盘 链接:https://pan.baidu.com/s/1B4b8ZOeJqkuIo5iC8tBuMA
提取码:8i8e
真实实失真数据集
LIVE Challenge 数据集(LIVE In the Wild Image Quality Challenge Database)
livec被称为“野生图像质量挑战数据集”，于2016 年建立，该数据集包含了使用现代移动设备捕获的1162幅在广泛多样的真实失真情况下的图像，这些照片来自在于现实世界中使用不同的摄像设备的不同摄影师，因此这些图像包含复杂的真实失真。主观分数通过众包的方式收集，由8100多名测试者进行评估，收集到超过35万份对1162 张图像的主观意见得分，𝑀𝑂𝑆的取值范围为[3.42,92.43]。
下载链接：http://vision.okstate.edu/csiq
网盘 链接:https://pan.baidu.com/s/1B4b8ZOeJqkuIo5iC8tBuMA
提取码:8i8e
KonIQ-10k (Konstanz authentic Image Quality database)
由Hosu等人于2020年建立的数据集，它从YFCC100M 数据集（一个包含1000万张图片的大型公共多媒体数据集）中选择了10,073张图片，采样过程利用了一个基于深度特征的内容指标和7 个质量指标，确保了图片内容和质量分布的多样性，使得图像在亮度、色彩、对比度和清晰度方面能够广泛且均匀地分布。对于每张图片，通过众包获得了120个可靠的质量评级，由1459名志愿者进行标注，收集的主观数据高达120 万。𝑀𝑂𝑆的取值范围为[3.91,88.39]。
TID2008数据集
是在LIVE数据库的基础上建立的，包括25张原始图像和1700张失真图像。共17种失真类型，每种失真类型有4个级别，图像的大小为512×384。
下载链接：http://www.ponomarenko.info/tid2008.htm
百度网盘链接:https://pan.baidu.com/s/1PiOfvk10rV5Xvu5vzVCFUg
提取码:jdb0
IRCCyN/IVC数据集
10张原始图像和235张失真图像，4种失真类型（jpeg、jp2k、blur和局部自适应分辨率编码），每个失真类型有5个级别。图像的大小为512×512
下载链接：http://www2.irccyn.ec-nantes.fr/ivcdb/
KADID-10K数据集
下载链接：http://database.mmsp-kn.de/kadid-10k-database.html
百度网盘链接:https://pan.baidu.com/s/13O45mymh2N4RpbeQKUlXcQ
提取码:4h2f
人工智能
视频号
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
653
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
