مجموعة بيانات Cityscapes8

مقدمة

مجموعة بيانات Cityscapes8 من Ultralytics هي مجموعة بيانات مدمجة لـ التجزئة الدلالية تتكون من 8 صور مأخوذة من مجموعة بيانات Cityscapes: 4 للتدريب و4 للتحقق من الصحة. صُممت هذه المجموعة للاختبار السريع وتصحيح الأخطاء والتجريب باستخدام نماذج التجزئة الدلالية YOLO وخطوط أنابيب التدريب. يوفر محتواها الذي يصور مشاهد حضرية فحصاً مفيداً لخط الأنابيب قبل الانتقال إلى مجموعة بيانات Cityscapes الكاملة.

تستخدم Cityscapes8 نفس فئات التقييم الـ 19 ونفس سلوك label_mapping الخاص بمجموعة بيانات Cityscapes الكاملة، وهي متوافقة تماماً مع خطوط أنابيب التجزئة الدلالية YOLO26.

ملف YAML لمجموعة البيانات

يتم تعريف تهيئة مجموعة بيانات Cityscapes8 في ملف YAML خاص بمجموعة البيانات، والذي يحدد مسارات مجموعة البيانات وأسماء الفئات وبيانات وصفية أساسية أخرى. يمكنك مراجعة ملف cityscapes8.yaml الرسمي في مستودع Ultralytics على GitHub. يتضمن ملف YAML رابط تنزيل للنسخة الفرعية الصغيرة والمجمعة.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Cityscapes semantic segmentation dataset (19 classes)
# Documentation: https://docs.ultralytics.com/datasets/semantic/cityscapes8/
# Example usage: yolo semantic train data=cityscapes8.yaml model=yolo26n-sem.pt
# parent
# ├── ultralytics
# └── datasets
#     └── cityscapes8 ← downloads here (small subset)
#         └── images
#         └── masks

# Dataset root directory
path: cityscapes8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images

masks_dir: masks # semantic mask directory

# Cityscapes 19-class labels
names:
  0: road
  1: sidewalk
  2: building
  3: wall
  4: fence
  5: pole
  6: traffic light
  7: traffic sign
  8: vegetation
  9: terrain
  10: sky
  11: person
  12: rider
  13: car
  14: truck
  15: bus
  16: train
  17: motorcycle
  18: bicycle

# Map source label IDs to train IDs; ignore_label is converted to 255.
label_mapping:
  -1: ignore_label
  0: ignore_label
  1: ignore_label
  2: ignore_label
  3: ignore_label
  4: ignore_label
  5: ignore_label
  6: ignore_label
  7: 0
  8: 1
  9: ignore_label
  10: ignore_label
  11: 2
  12: 3
  13: 4
  14: ignore_label
  15: ignore_label
  16: ignore_label
  17: 5
  18: ignore_label
  19: 6
  20: 7
  21: 8
  22: 9
  23: 10
  24: 11
  25: 12
  26: 13
  27: 14
  28: 15
  29: ignore_label
  30: ignore_label
  31: 16
  32: 17
  33: 18

# Download URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/cityscapes8.zip

الاستخدام

لتدريب نموذج YOLO26n-sem على مجموعة بيانات Cityscapes8 لمدة 100 حقبة بحجم صورة 1024، استخدم الأمثلة التالية. للحصول على قائمة كاملة بخيارات التدريب، راجع وثائق تدريب YOLO.

from ultralytics import YOLO

# Load a pretrained YOLO26n-sem model
model = YOLO("yolo26n-sem.pt")

# Train the model on Cityscapes8
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)

الاقتباسات والتقديرات

إذا كنت تستخدم مجموعة بيانات Cityscapes في بحثك أو تطويرك، يرجى الاستشهاد بالورقة البحثية التالية:

@inproceedings{Cordts2016Cityscapes,
  title={The Cityscapes Dataset for Semantic Urban Scene Understanding},
  author={Cordts, Marius and Omran, Mohamed and Ramos, Sebastian and Rehfeld, Timo and Enzweiler, Markus and Benenson, Rodrigo and Franke, Uwe and Roth, Stefan and Schiele, Bernt},
  booktitle={Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2016}
}

شكر خاص لـ فريق Cityscapes على مساهماتهم المستمرة في مجتمعات القيادة الذاتية والرؤية الحاسوبية.

أسئلة شائعة

فيم تُستخدم مجموعة بيانات Ultralytics Cityscapes8؟

تم تصميم مجموعة بيانات Ultralytics Cityscapes8 للاختبار السريع وتصحيح أخطاء نماذج التجزئة الدلالية. بفضل احتوائها على 8 صور فقط (4 للتدريب و4 للتحقق)، فهي مثالية للتحقق من خطوط أنابيب التجزئة الدلالية لـ YOLO، بما في ذلك تحميل القناع، والزيادات، والتحقق، ومسارات التصدير، وذلك قبل الانتقال إلى مجموعة بيانات Cityscapes الكاملة. استكشف تهيئة YAML لـ Cityscapes8 لمزيد من التفاصيل.

كيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات Cityscapes8؟

يمكنك تدريب نموذج التجزئة الدلالية YOLO26 على Cityscapes8 باستخدام Python أو CLI:

from ultralytics import YOLO

# Load a pretrained YOLO26n-sem model
model = YOLO("yolo26n-sem.pt")

# Train the model on Cityscapes8
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)

للحصول على خيارات تدريب إضافية، راجع وثائق تدريب YOLO.

هل يجب أن أستخدم Cityscapes8 للمقارنة المعيارية (Benchmarking)؟

لا. مجموعة Cityscapes8 صغيرة جداً بحيث لا يمكن الاعتماد عليها في مقارنة النماذج بشكل هادف، وهي مخصصة فقط للتحقق من خط أنابيب التدريب والتقييم. استخدم مجموعة التحقق الكاملة لـ Cityscapes عندما تحتاج إلى نتائج معيارية تمثيلية للتجزئة الدلالية.