計算机视觉算法与应用的一些测试数据集和源码站点.docVIP

以下是computer vision：algorithm and application计算机视觉算法与应用这本书中附录里的关于计算机视觉的一些测试数据集和源码站点，我整理了下，加了点中文注解。 Computer Vision: Algorithms and Applications Richard Szeliski 在本书的最好附录中，我总结了一些对学生，教授和研究者有用的附加材料。这本书的网址/Book包含了更新的数据集和软件，请同样访问他。 C.1 数据集 一个关键就是用富有挑战和典型的数据集来测试你算法的可靠性。当有背景或者他人的结果是可行的,这种测试可能甚至包含更多的信息(和质量更好)。 经过这些年，大量的数据集已经被提出来用于测试和评估计算机视觉算法。许多这些数据集和软件被编入了计算机视觉的主页。一些更新的网址，像CVonline (http://homepages.inf.ed.ac.uk/rbf/CVonline ), VisionBib.Com (/ ), and Computer Vision online (/ ), 有更多最新的数据集和软件。 下面，我列出了一些用的最多的数据集，我将它们让章节排列以便它们联系更紧密。 第二章：图像信息 CUReT: Columbia-Utrecht 反射率和纹理数据库Re?ectance and Texture Database, /CAVE/software/curet/ (Dana, van Ginneken, Nayar et al. 1999). Middlebury Color Datasets:不同摄像机拍摄的图像，注册后用于研究不同的摄像机怎么改变色域和彩色registered color images taken by different cameras to study how they transform gamuts and colors, /color/data/ Chakrabarti, Scharstein, and Zickler 2009). 第三章：图像处理 Middlebury test datasets for evaluating MRF minimization/inference algorithms评估隐马尔科夫随机场最小化和推断算法, /MRF/results/ (Szeliski, Zabih, Scharstein et al. 2008). 第四章：特征检测和匹配 Af?ne Covariant Features database（反射协变的特征数据集） for evaluating feature detector and descriptor matching quality and repeatability（评估特征检测和描述匹配的质量和定位精度）, http://www.robots.ox.ac.uk/~vgg/research/affine/ (Miko-lajczyk and Schmid 2005; Mikolajczyk, Tuytelaars, Schmid et al. 2005). Database of matched image patches for learning （图像斑块匹配学习数据库）and feature descriptor evaluation（特征描述评估数据库）, http://cvlab.epfl.ch/~brown/patchdata/patchdata.html (Winder and Brown 2007; Hua,Brown, and Winder 2007). 第五章;分割 Berkeley Segmentation Dataset（分割数据库） and Benchmark of 1000 images labeled by 30 humans,（30个人标记的1000副基准图像）along with an evaluation, /Research/Projects/CS/vision/grouping/segbench/ (Martin, Fowlkes, Tal et al. 2001). Weizmann segmentation evaluation database of 100 grayscale images with ground truth segmentations, http://www.wisdom.weizmann.ac.il/~vision/Seg Evaluation DB/index.html (Alpert, Galun, Basri et al. 2007). 第