PEOD

事件+RGB像素对齐，恶劣条件检测有基准可跑。

PEOD 是一个面向恶劣条件目标检测的像素对齐事件-RGB 基准数据集与配套代码。事件相机在低光、高动态、快速运动等场景下具有高时间分辨率和高动态范围优势，但事件流与 RGB 图像在空间和时间上难以精确对齐，导致多模态融合检测研究缺乏统一评测基准。PEOD 通过硬件同步与像素级标定，提供严格对齐的事件-RGB 成对数据，覆盖夜间、强逆光、运动模糊、雨雾等挑战场景，并给出目标检测标注。项目同时开源数据加载、对齐验证和基线检测模型的训练评测代码，方便研究者复现和公平比较。核心能力包括：像素对齐的多模态数据、挑战条件覆盖、检测标注、基线方法与评测协议，适合事件视觉、多模态融合和鲁棒感知研究。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 168

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队bupt-ai-cz

所属国家

官网地址

GitHubhttps://github.com/bupt-ai-cz/PEOD

定价模式free

价格说明开源数据集与代码，免费使用

访问状态

是否开源是

开源协议

主要语言HTML

技术栈/模型

GitHub 星标★ 168

30天Star增速

HF 下载量

上线时间2025-11-10 00:00:00

最近更新2026-09-10 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-20

浏览次数0

使用教程

核心亮点

提供像素级对齐的事件-RGB成对数据，解决多模态融合中时空错位痛点
覆盖夜间、逆光、运动模糊等挑战场景，填补恶劣条件检测评测空白
附带数据加载、对齐验证与基线检测代码，可直接复现和公平比较

不足之处

作为早期项目，数据规模和场景多样性可能有限，需持续扩充
文档与社区生态尚在建设，使用门槛和长期维护待观察

适用场景

事件相机与RGB融合的目标检测算法研究
恶劣光照/高速运动场景下的鲁棒感知评测
多模态数据集对齐方法与基准测试

替代项目

DSEC、MVSEC

项目介绍

PEOD 是一个数据集领域的开源项目，官方简介：Data and Codes for Our Paper "PEOD: A Pixel-Aligned Event-RGB Benchmark for Object Detection under Challenging Conditions"。项目使用 HTML 开发，在 GitHub 上获得 168 星标。

上一篇：hflow

下一篇：aisheets