图像去雾常⽤数据集
1. NYU2
介绍：
NYU2数据集有含有1449张RGBD图像，这些图像中包含464个不同的室内场景。图像是由微软Kinect的RGB和Depth相机拍摄的视频序列.同时，这些图像数据中的每个对象都被标注过。
组成：
图像⽰例：
2. RESIDE　
对象图片高清简介
RESIDE数据集包括合成和真实世界的模糊图像，称为REalistic Single Image Dehazing，RESIDE突出显⽰了各种数据源和图像内容，并分为五个⼦集，每个⼦集⽤于不同的训练或评估⽬的。提供了各种各样的去雾算法评估标准，从完整参考度量，⽆参考度量，到主观评估和任务驱动评估。
特点
1. RESIDE数据集引⼊了⼀种新的单图像去雾基准，具有⼤规模的综合训练集，以及分别为客观和主观质量评估设计的两套不同的数据
集。
2. 在RESIDE中，除了⼴泛采⽤的PSNR和SSIM之外，我们进⼀步采⽤⽆参考度量和⼈类主观评分来评估去雾效果，特别是真实世界模
糊图像。利⽤感知损失作为“全参考”任务驱动的度量，捕获更⾼级别的语义，将在去噪图像上的对象检测性能作为“⽆参考”任务特定的评估标准，⽤于去雾现实图像
总览
REISDE训练集包含13,990个合成模糊图像，使⽤来⾃现有室内深度数据集NYU2和⽶德尔伯⾥⽴体数据库的1,399个清晰图像⽣成。 我们为每个清晰图像合成10个模糊图像。 提供了13,000个⽤于训练和990个⽤于验证。 我们设置每个通道⼤⽓光A在[0.7，1.0]之间，均匀地随机选择beta在[0.6,1.8]。 因此，它包含成对的清晰和模糊的图像，其中清晰的地⾯实况图像可以导致多个对，其朦胧图像是在不同的参数A和beta下⽣成的。
REISDE测试集由综合⽬标测试集（SOTS）和混合主观测试集（HSTS）组成，旨在表现出多种评估观点。 SOTS从NYU2中选择500个室内图像（与训练图像不重叠），并按照与训练数据相同的过程来合成模糊图像。 我们专门为测试创建具有挑战性的去雾情况，例如，添加了浓雾的⽩⾊场景。 HSTS采⽤与SOTS相同的⽅式⽣成10个合成的户外朦胧图像，以及10个真实世界的朦胧图像，收集现实世界的室外场景 ，结合进⾏⼈体主观评审。
数据集⽰例
3. Middlebury Stereo数据集