数据集划分问题

[mcpaulgeorge]

我浏览了很多水下增强领域的论文，特别是在该领域的数据集上，UIEB数据集并没有划分好train和test的分布，看样子大家都是自己生成800/90的训练测试比例，那这90张的选取是随机性的吗？如果是随机性的话那PSNR和SSIM的指标就没有一个量化的标准，大家的test数据集的图片都不一样，请问有统一的划分标准吗？

[ZhanghansenIT]

我浏览了很多水下增强领域的论文，特别是在该领域的数据集上，UIEB数据集并没有划分好train和test的分布，看样子大家都是自己生成800/90的训练测试比例，那这90张的选取是随机性的吗？如果是随机性的话那PSNR和SSIM的指标就没有一个量化的标准，大家的test数据集的图片都不一样，请问有统一的划分标准吗？

这个问题也困扰我，目前也在跑实验，关于数据集的问题，我按照比例划分成训练集和测试集，这是随机的，在对比其他实验时，同样使用该划分进行训练和测试（可以多做几个随机划分，然后多轮实验取平均，std等）。另外，关于数据集的图像的尺寸大小也是一个迷，有的是256256,有的是 512512，这肯定是有影响的。你认为呢？

[mcpaulgeorge]

我的建议是不比UIEB这种有分歧的数据集，多比一比LSUI这种作者提供了划分标准的数据集，一部分原因大家都在比uieb是因为他的数据量规模小，做实验时间成本低。至于图像尺寸肯定是有影响的，不能拿其他文章原文的数据直接用，还是需要自己测一遍。综上，UIE领域水太深太不规范，且由于水下图像本身缺乏绝对参考的GT的特性，从各个数据集采取的GT方式就可以看出，数据集都是通过vote来选出GT的，就算刷出的值高，也只能说明符合大众的胃口。