数据集介绍一、2021年前的公开数据集介绍：一、数据集完整对比表二、数据集详细介绍与选型指南1. 核心维度深度解析（1）数据规模：决定模型训练的上限（2）采集属性：适配不同的硬件与部署场景（3）场景覆盖：衡量算法的鲁棒性边界（4）标注质量：决定监督训练的效果2. 分场景选型建议3. 总结二、近几年的公开数据集介绍一、数据集对比表格二、数据集整体介绍1. 各数据集单独详解1. TNO（2017）2. RoadScene（2022）3. MSRS（2022）4. LLVIP（2021）5. M³FD（2022）6. MFNet（2017）三、按研究需求选型指南四、总结一、2021年前的公开数据集介绍：一、数据集完整对比表数据集图像对数分辨率颜色相机角度夜间场景物体/类别挑战场景标注TNO [174]261768×576✗水平65少量✓✗RoadScene [162]221不固定✓驾驶122中等✗✗VIFB [175]21不固定不固定多角度10少量✗✗MS [176]