GOF陀螺仪光流估计数据集 | 光流估计 | 计算机视觉/光流估计

【GOF陀螺仪光流估计数据集 | 光流估计 | 计算机视觉/光流估计】
GOF陀螺仪光流估计数据集是一个用于目标检测任务的YOLO格式计算机视觉数据集，适用于计算机视觉/光流估计场景，数据集提供YOLO标准格式标注（.txt文件，class_id center_x center_y width height），支持YOLOv5/v8/v11等主流目标检测框架，可通过data2.cn免费下载。
GOF（Gyroscope Optical Flow）陀螺仪光流估计数据集，来自ICCV 2021论文GyroFlow。包含2000个训练样本，每个样本含一对图像(img1.png, img2.png)和对应的陀螺仪单应性矩阵(gyro_homo.npy)。数据集覆盖常规(RE)、暗光(Dark)、雾天(Fog)、雨天(Rain)四种场景，专门用于验证陀螺仪辅助的无监督光流学习方法。陀螺仪数据可转换为描述背景运动的陀螺场，在恶劣天气条件下提供可靠的相机运动信息。
📊 数据集标签信息

• 数据格式：img1.png + img2.png + gyro_homo.npy
• 场景类别：常规(RE)、暗光(Dark)、雾天(Fog)、雨天(Rain)
• 训练样本数：2000

📋 数据格式详细说明

• img1.png：第一帧图像
• img2.png：第二帧图像
• gyro_homo.npy：陀螺仪单应性矩阵（NumPy数组）
• 目录结构：sample_0/, sample_1/, …, sample_1999/

📊 数据集概览

• 数据集名称：GOF陀螺仪光流估计数据集
• 任务类型：光流估计
• 应用领域：计算机视觉/光流估计
• 论文来源：ICCV 2021 – GyroFlow: Gyroscope-Guided Unsupervised Optical Flow Learning
• 发布机构：旷视科技 / 电子科技大学
• 许可证：Apache 2.0

🔬 适用场景

1. 陀螺仪辅助的光流估计研究
2. 恶劣天气条件下的运动估计
3. 无监督光流学习方法验证
4. 多传感器融合（视觉+IMU）研究

💡 数据集亮点
本数据集是首个融合陀螺仪数据和图像内容的光流学习数据集，覆盖四种不同场景（常规/暗光/雾天/雨天）。陀螺仪读数可转换为运动场（gyro field），在传统光流假设（亮度恒定、梯度恒定）失效的恶劣条件下提供可靠的背景运动信息。该数据集来自ICCV 2021论文GyroFlow，由旷视科技和电子科技大学联合发布。
📥 获取方式