Cityscapes8-Datensatz#

8

Cityscapes8

ultralytics

publicSemantic

Cityscapes8 is an eight-image, full-resolution semantic-segmentation sample for pipeline validation. It maps raw Cityscapes label IDs through the official 19-class training taxonomy, keeps ignored pixels as 255, and provides non-overlapping four-image train and validation partitions.

19 classes2.3 MBSep 2, 2026

roadsidewalkbuildingwall+15

cityscapessemantic-segmentationautonomous-driving+1

Einleitung#

Der Ultralytics-Datensatz Cityscapes8 ist ein kompakter Datensatz für die semantische Segmentierung mit 8 Bildern aus dem Cityscapes-Datensatz: 4 für das Training und 4 für die Validierung. Er wurde für schnelle Tests, das Debugging und Experimente mit Modellen und Trainingspipelines für die semantische Segmentierung mit YOLO entwickelt. Seine Inhalte mit urbanen Szenen ermöglichen eine nützliche Überprüfung der Pipeline, bevor du auf den vollständigen Cityscapes-Datensatz skalierst.

Cityscapes8 verwendet dieselben 19 Evaluierungsklassen und dasselbe Verhalten von label_mapping wie der vollständige Cityscapes-Datensatz und ist vollständig mit YOLO26-Workflows für die semantische Segmentierung kompatibel.

Datensatzstruktur#

Cityscapes8 entspricht dem Aufbau des vollständigen Datensatzes, jedoch ohne einen test-Split:

cityscapes8/
├── images/
│   ├── train/  # 4 images
│   └── val/    # 4 images
└── masks/
    ├── train/  # 4 single-channel PNG masks
    └── val/    # 4 single-channel PNG masks

Masken werden über das Feld masks_dir: masks den Bildern zugeordnet, und label_mapping konvertiert die Quell-Label-IDs von Cityscapes in die 19 fortlaufenden Trainings-IDs, die in der vollständigen Struktur des Cityscapes-Datensatzes beschrieben sind.

Dataset-YAML#

Die Konfiguration des Cityscapes8-Datensatzes ist in einer YAML-Datensatzdatei definiert, die Datensatzpfade, Klassennamen und weitere wichtige Metadaten angibt. Du kannst die offizielle Datei cityscapes8.yaml im Ultralytics GitHub-Repository einsehen. Die YAML-Datei enthält eine Download-URL für die kleine, paketierte Teilmenge.

# 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

Verwendung#

Um ein YOLO26n-sem-Modell 100 Epochen lang mit einer Bildgröße von 1024 auf dem Cityscapes8-Datensatz zu trainieren, verwende die folgenden Beispiele. Eine vollständige Liste der Trainingsoptionen findest du in der Dokumentation zum YOLO-Training.

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)

Du kannst Cityscapes8 auch in der Cloud mit der Ultralytics Platform verwalten und Modelle für die semantische Segmentierung trainieren.

Zitate, Lizenz und Danksagungen#

Cityscapes8 ist eine Teilmenge von Cityscapes, das unter einer benutzerdefinierten, nicht kommerziellen Lizenz veröffentlicht wird – Einzelheiten findest du auf der vollständigen Cityscapes-Datensatzseite.

Wenn du den Cityscapes-Datensatz in deiner Forschung oder Entwicklung verwendest, zitiere bitte die folgende Publikation:

@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}
}

Besonderer Dank gilt dem Cityscapes-Team für seine kontinuierlichen Beiträge zu den Fachgemeinschaften für autonomes Fahren und Computer Vision.

FAQ#