Dataset Cityscapes8#

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

Introducción#

El dataset Cityscapes8 de Ultralytics es un dataset compacto de segmentación semántica con 8 imágenes extraídas del dataset Cityscapes: 4 para entrenamiento y 4 para validación. Está diseñado para realizar pruebas rápidas, depuración y experimentación con modelos de segmentación semántica YOLO y pipelines de entrenamiento. Su contenido de escenas urbanas proporciona una comprobación útil del pipeline antes de escalar al dataset Cityscapes completo.

Cityscapes8 utiliza las mismas 19 clases de evaluación y el mismo comportamiento de label_mapping que el dataset Cityscapes completo, y es totalmente compatible con los flujos de trabajo de segmentación semántica de YOLO26.

Estructura del dataset#

Cityscapes8 replica la estructura del dataset completo, sin una división test:

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

Las máscaras se emparejan con las imágenes mediante el campo masks_dir: masks, y label_mapping convierte los ID de etiqueta de Cityscapes de origen en los 19 ID de entrenamiento contiguos descritos en la estructura del dataset Cityscapes completo.

YAML del dataset#

La configuración del dataset Cityscapes8 se define en un archivo YAML del dataset, que especifica las rutas del dataset, los nombres de las clases y otros metadatos esenciales. Puedes consultar el archivo oficial cityscapes8.yaml en el repositorio de Ultralytics en GitHub. El YAML incluye una URL de descarga para el pequeño subconjunto empaquetado.

# 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

Uso#

Para entrenar un modelo YOLO26n-sem con el dataset Cityscapes8 durante 100 épocas y con un tamaño de imagen de 1024, usa los siguientes ejemplos. Para consultar la lista completa de opciones de entrenamiento, visita la documentación de entrenamiento de 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)

También puedes gestionar Cityscapes8 y entrenar modelos de segmentación semántica en la nube con Ultralytics Platform.

Citas, licencia y agradecimientos#

Cityscapes8 se obtiene de Cityscapes, que se distribuye con una licencia personalizada para uso no comercial. Consulta la página completa del dataset Cityscapes para obtener más información.

Si utilizas el dataset Cityscapes en tu investigación o desarrollo, cita el siguiente artículo:

@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}
}

Agradecemos especialmente al equipo de Cityscapes sus continuas contribuciones a las comunidades de conducción autónoma y visión artificial.

Preguntas frecuentes#