LoLI-Street est un ensemble de données axé sur l'amélioration des images en basse lumière (LLIE) publié conjointement par des équipes de recherche de l'Université Sungkyunkwan, de l'Université nationale australienne et de l'Université technologique de Corée.LoLI-Street : Évaluation comparative de l'amélioration des images en basse lumière et au-delà" et a été accepté par ACCV'24. Cet ensemble de données se compose de 33 000 paires d'images à faible luminosité et bien exposées provenant de scènes de rue urbaines développées, couvrant 19 000 catégories d'objets pour la détection d'objets. L'ensemble de données LoLI-Street comprend également 1 000 images de test réelles à faible luminosité pour tester le modèle LLIE dans des conditions réalistes. Il est crucial pour de nombreuses tâches de vision par ordinateur, notamment la détection d'objets, le suivi, la segmentation et la compréhension de scènes.

Cet ensemble de données est créé pour résoudre le problème selon lequel les méthodes LLIE existantes fonctionnent mal dans des conditions de faible luminosité réelles, en particulier dans le domaine des scènes de rue, ce qui limite le développement de méthodes LLIE robustes. L'ensemble de données LoLI-Street aide les chercheurs et les développeurs à former et à tester leurs modèles en fournissant des images capturées dans diverses conditions de faible luminosité pour améliorer la qualité de l'image et la détection d'objets dans des applications du monde réel telles que la conduite autonome et les systèmes de surveillance.