Dataset Cityscapes8#

8

Cityscapes8

ultralytics

publicSemantic

Eight-image Cityscapes semantic-segmentation sample with four train and four validation images at 2048x1024 resolution. Raw Cityscapes label IDs are normalized through the official mapping to 19 train classes, with ignored pixels encoded as 255. Source imagery and labels are governed by the Cityscapes Dataset License for non-commercial research and educational use; created by the Cityscapes Dataset team.

19 classes2.3 MBAug 21, 2026

roadsidewalkbuildingwall+15

cityscapessemantic-segmentationautonomous-driving+1

Introducción#

El conjunto de datos Ultralytics Cityscapes8 es un conjunto de datos compacto de segmentación semántica con 8 imágenes muestreadas del conjunto de datos Cityscapes: 4 para entrenamiento y 4 para validación. Está diseñado para pruebas rápidas, depuración y experimentación con modelos de segmentación semántica de YOLO y flujos de trabajo de entrenamiento. Su contenido de escenas urbanas proporciona una comprobación útil del flujo de trabajo antes de pasar al conjunto de datos Cityscapes completo.

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

Estructura del dataset#

Cityscapes8 refleja la estructura del conjunto de datos completo, sin una división de 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 vinculan a las imágenes mediante el campo masks_dir: masks, y label_mapping convierte los ID de etiquetas de Cityscapes originales en los 19 ID de entrenamiento contiguos descritos en la estructura del conjunto de datos Cityscapes completa.

YAML del dataset#

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

# 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 en el conjunto de datos Cityscapes8 durante 100 épocas con un tamaño de imagen de 1024, utiliza los siguientes ejemplos. Para obtener una lista completa de las opciones de entrenamiento, consulta 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 extrae de Cityscapes, que se publica bajo una licencia personalizada no comercial; consulta la página del conjunto de datos Cityscapes completa para obtener más detalles.

Si utilizas el dataset Cityscapes en tu investigación o desarrollo, por favor 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}
}

Un agradecimiento especial al equipo de Cityscapes por sus continuas contribuciones a las comunidades de conducción autónoma y visión por computador.

FAQ#