Exclusively-Dark-Image-Dataset
低光视觉研究必备：1.2万张暗光图带框标注
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-01 · 当前星标 ★ 657
使用教程
环境要求
- Python 3.8+
- 约 10G 磁盘
- 能解析 VOC 格式的读取代码
安装与启动步骤
-
1先读论文确认口径
仓库说明和论文摘要里的图片数量表述不一致，以论文与正文的数据描述为准再往下走。
-
2申请并下载数据
数据集不在仓库里，按 README 给的方式联系或下载，注意它分图像与标注两部分。
-
3校验目录与标注
12 类目标、10 种光照条件，标注同时有图级类别和目标框，两者都要在。
-
4按 VOC 方式读一条
标注格式与 PASCAL VOC 接近，先成功读出单张图的框坐标和类别。
-
5确认许可边界
代码、标注、原始照片是三类不同权利，商用前必须看清各自条款。
如何确认成功
能读出单张图的全部标注框与类别，并能说明商用需要哪一级授权
注意事项
- 仓库描述与正文的图片总数口径不一致，写报告时务必标注来源。
- 不同权利主体分开声明，这在该类数据集里不常见，别想当然按 MIT 用。
- 只用标注做研究也要遵守数据集条款，不只是代码许可。
- 低光照数据集最常用作增强算法的对照，注意它的光照分级标准和你的不通用。
核心亮点
- 覆盖10种从极暗到黄昏的光照条件，可系统评估光照对算法的影响
- 同时提供图像级类别和对象级边界框标注，支持检测与分类任务
- 12,000张图像规模在低光数据集中领先，且类别分布较均衡
不足之处
- 仅提供MATLAB格式的标注与工具，对Python生态用户不够友好
- 图像分辨率与场景多样性相比现代大规模数据集仍有局限
适用场景
- 训练夜间或低光环境下的目标检测模型
- 评估图像增强算法在极暗到黄昏不同光照下的效果
- 作为域适应研究中的源域或目标域数据集
替代项目
COCO、ExDark、NightOwls
下一篇：MultiHop-RAG
同类项目推荐
Awesome-llms-txt
开源
一站收集全网 llms.txt，做 AI 抓取与语料的种子库
This list contains an index of llms.txt files hosted on various websites, to be used···
solt
开源
轻量流式数据变换，让图像增强更高效
Streaming over lightweight data transformations
VisioFirm
开源
输入文字就能自动框目标，标注提速好几倍
VisioFirm: Cross-Platform AI-assisted Annotation Tool for Computer Vision
candy-machine
开源
给训练集打标，快人一步
Image Dataset Tagger for Stable Diffusion / Lora / DreamBooth Training
hflow
开源
训练前自动体检机器人数据，坏帧丢帧一跑就现形
SDK for robotics teams to verify the quality of their data used for AI model trainin···
awesome-matchem-datasets
开源
材料化学数据集一网打尽，找数据不再东翻西找
meerkat
开源
打开数据黑盒，几行代码交互式检查训练集，快速定位模型翻车原因。
Explore and understand your training and validation data.
VPSCI-Dataset
开源
真实车人冲突场景数据，直接喂给自动驾驶安全模型
VPSCI（Vehicle–Pedestrian Safety-Critical Interaction）Dataset
ldbc_snb_datagen_spark
开源
按 LDBC 标准一键生成 TB 级社交图测试数据
Synthetic graph generator for the LDBC Social Network Benchmark, running on Spark