DUTLF-V2

数据集介绍：

由于具有强大的三维信息捕捉能力，光场数据为显著性检测算法提供了更为有力的支持。但算法的能力取决于数据集构建的全面性、有效性、规模化和多样性，同时也取决于灵活高效的模型设计。为了促进这一领域的发展，来自大连理工的研究人员构建了大规模的多功能数据集，其中包含了102类目标、共4202个样本，可以有效支持基于RGB、RGB-D和光场数据的显著性检测算法。

GitHub is where people build software. More than 94 million people use GitHub to discover, fork, and contribute to over 330 million projects.

Read this arXiv paper as a responsive web page with clickable citations.

公众号：将门创投 (thejiangmen) From: 大连理工；编译: T.R由于具有强大的三维信息捕捉能力，光场数据为显著性检测算法提供了更为有力的支持。但算法的能力取决于数据集构建的全面性、有效性、规模化和多样性，同…

编辑｜平台 HFUT-Lytro数据集数据集下载地址： GKqau一个光场显著性分析基准数据集，名为HFUT Lytro，由255个光场组成，每个光场图像生成的图像范围从53到64个，其中跨越了多个显著性检测挑…

该项工作提出的这一数据集名为DUTLF-V2，是在上一版本的基础上进行全面扩充后的结果，包含了4204张图像，较前一版本的图像提升187%，覆盖了10大类、102小类的多样性真实场景和物体。每一个样本共由六种数据构成，分别是原始的光场数据、一张全景深RGB图像、一个目标显著性掩膜、一副场景对应的深度图，12个不同焦距下的光场重聚焦图像以及9x9幅多视角成像结果。

上图分别展示了数据集中所包含的六种数据模态，从a到f分别是RGB图、掩膜、深度图、重聚焦和聚焦区域图、包含微透镜阵列模式的原始图以及多视角下的成像阵列。

所有的数据集在不同的环境下进行采集，并通过人工审核将低质量的数据进行了清理。整个数据的统计信息如下图所示，可以看到它所包含的10大类102小类的分布情况，包括了不同的场景和分类，以及不同对象的比例与尺度。另外，这一数据集并不集中于一些特定的场景、尺度和位置，而是具有较为丰富的场景特性，有利于训练出更为多样性和适应性的模型。