LoLI-Street ist ein Datensatz zur Bildverbesserung bei schwachem Licht (LLIE), der gemeinsam von Forschungsteams der Sungkyunkwan University, der Australian National University und der Tech University of Korea veröffentlicht wurde.LoLI-Street: Benchmarking der Bildverbesserung bei schwachem Licht und mehr" und wurde von ACCV'24 angenommen. Dieser Datensatz besteht aus 33.000 Paaren von Bildern bei schwachem Licht und gut belichteten Bildern von entwickelten städtischen Straßenszenen und deckt 19.000 Objektkategorien für die Objekterkennung ab. Der LoLI-Street-Datensatz enthält außerdem 1.000 echte Testbilder bei schwachem Licht zum Testen des LLIE-Modells unter realistischen Bedingungen. Er ist für viele Computer Vision-Aufgaben von entscheidender Bedeutung, einschließlich Objekterkennung, Verfolgung, Segmentierung und Szenenverständnis.

Dieser Datensatz wurde erstellt, um das Problem zu lösen, dass vorhandene LLIE-Methoden unter realen Bedingungen mit wenig Licht, insbesondere im Straßenszenenbereich, nur unzureichend funktionieren, was die Entwicklung robuster LLIE-Methoden einschränkt. Der LoLI-Street-Datensatz unterstützt Forscher und Entwickler beim Trainieren und Testen ihrer Modelle, indem er Bilder bereitstellt, die unter verschiedenen schlechten Lichtverhältnissen aufgenommen wurden, um die Bildqualität und Objekterkennung in realen Anwendungen wie autonomen Fahr- und Überwachungssystemen zu verbessern.