LLVIP 完整数据集下载目录

同时包含三种主流标注格式：COCO JSON、VOC XML、YOLO TXT

LLVIP 数据集🌑：数据集介绍、下载📥 | 目标检测 | 多模态🧩 | 水平框📌｜原始图像✅｜VOC标签✅ | COCO 标签✅ | YOLO 标签✅

一、核心基础信息

LLVIP 全称 Low-Light Visible-Infrared Paired Dataset
论文及数据集下载链接：LLVIP: A Visible-infrared Paired Dataset for Low-light Vision（ICCV 2021 Workshop，北京邮电大学团队发布）

1. 数据规模
   • 15488组可见光-红外图像对（总计30976张图像）
   • 官方划分：训练集 12025对，测试集 3463对
2. 成像参数
   • 可见光：原始 1920×1080（RGB）
   • 红外热成像（8–14 μm长波红外）：原始1280×720
   • 发布版本统一对齐裁剪为 1080×720
   • ✅ 最大亮点：双通道图像严格时间+空间配准（像素级对齐）
3. 采集场景
   • 26个城市街道监控场景，绝大多数为夜间极低光照环境（傍晚6–22点）；少量白天样本作为对照
   • 监控俯视视角，贴近安防夜间监控真实场景

二、适用研究任务

LLVIP是目前低光照可见光/红外跨模态领域最主流基准数据集：

1. 可见光-红外图像融合（最常用）
2. 弱光下跨模态行人检测（单模态可见光检测、红外检测、多模态融合检测）
3. 跨模态图像翻译：可见光↔红外图像生成（GAN、Diffusion）
4. 图像配准、低光图像增强、多模态跟踪

三、标签转换

标注信息：
- 仅单一类别：person（行人），原始边界框标注（XML格式）

names:
  0: person

转换后的完整数据集目录（包含COCO JSON、VOC XML、YOLO TXT三种主流标签）：

📁 LLVIP
├─ 📂 COCO
│  └─ 📂 annotations
│     ├─ 📄 instances_train.json
│     └─ 📄 instances_val.json
├─ 📂 infrared
│  ├─ 📁 train
│  │  └─ 🌑 *.jpg
│  └─ 📁 val
│     └─ 🌑 *.jpg
├─ 📂 visible
│  ├─ 📁 train
│  │  └─ 🖼️ *.jpg
│  └─ 📁 val
│     └─ 🖼️ *.jpg
├─ 📂 VOC
│  └─ 📂 Annotations
│     └─ 📜 *.xml
└─ 📂 YOLO
   ├─ 📁 train
   │  └─ 📃 *.txt
   └─ 📁 val
      └─ 📃 *.txt

各个文件夹含义：

📁 LLVIP
├─ 📂 COCO
│  └─ 📂 annotations
│     ├─ 📄 instances_train.json  # COCO格式训练集全局标注文件
│     └─ 📄 instances_val.json    # COCO格式验证集全局标注文件
├─ 📂 infrared 红外图像
│  ├─ 📁 train
│  │  ├─ 🌑 *.jpg
│  │  └─ ...                      # 训练集红外图像
│  └─ 📁 val
│     ├─ 🌑 *.jpg
│     └─ ...                      # 验证集红外图像
├─ 📂 visible 可见光图像
│  ├─ 📁 train
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...                      # 训练集可见光图像
│  └─ 📁 val
│     ├─ 🖼️ *.jpg
│     └─ ...                      # 验证集可见光图像
├─ 📂 VOC
│  └─ 📂 Annotations
│     ├─ 📜 *.xml
│     └─ ...                      # Pascal VOC格式独立xml标注 此处将训练集和验证集放在了一块，使用时需自行划分
└─ 📂 YOLO
   ├─ 📁 train
   │  ├─ 📃 *.txt
   │  └─ ...                      # YOLO训练集归一化标签
   └─ 📁 val
      ├─ 📃 *.txt
      └─ ...                      # YOLO验证集归一化标签

四、训练样例

此处以YOLO标签为例进行训练：