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

Introduzione#

Il dataset Cityscapes8 di Ultralytics è un dataset compatto di segmentazione semantica con 8 immagini selezionate dal dataset Cityscapes: 4 per l'addestramento e 4 per la convalida. È progettato per test rapidi, debug e sperimentazione con modelli e pipeline di addestramento YOLO per la segmentazione semantica. I contenuti di scene urbane consentono di verificare la pipeline prima di passare al dataset Cityscapes completo.

Cityscapes8 usa le stesse 19 classi di valutazione e lo stesso comportamento label_mapping del dataset Cityscapes completo ed è pienamente compatibile con i flussi di lavoro di segmentazione semantica YOLO26.

Struttura del dataset#

Cityscapes8 riproduce la struttura del dataset completo, senza una suddivisione test:

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

Le maschere vengono abbinate alle immagini tramite il campo masks_dir: masks e label_mapping converte gli ID originali delle etichette Cityscapes nei 19 ID di addestramento contigui descritti nella struttura completa del dataset Cityscapes.

YAML del dataset#

La configurazione del dataset Cityscapes8 è definita in un file YAML del dataset che specifica i percorsi, i nomi delle classi e altri metadati essenziali. Puoi consultare il file ufficiale cityscapes8.yaml nel repository GitHub di Ultralytics. Il file YAML include un URL di download per il piccolo sottoinsieme incluso nel pacchetto.

# 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

Utilizzo#

Per addestrare un modello YOLO26n-sem sul dataset Cityscapes8 per 100 epoche con una dimensione dell'immagine di 1024, usa gli esempi seguenti. Per l'elenco completo delle opzioni di addestramento, consulta la documentazione sull'addestramento YOLO.

from ultralytics import YOLO

# Carica un modello YOLO26n-sem preaddestrato
model = YOLO("yolo26n-sem.pt")

# Addestra il modello su Cityscapes8
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)

Puoi anche gestire Cityscapes8 e addestrare modelli di segmentazione semantica nel cloud con Ultralytics Platform.

Citazioni, licenza e ringraziamenti#

Cityscapes8 è un sottoinsieme di Cityscapes, distribuito con una licenza personalizzata non commerciale: consulta la pagina completa del dataset Cityscapes per i dettagli.

Se usi il dataset Cityscapes nella tua attività di ricerca o sviluppo, cita il seguente articolo:

@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 ringraziamento speciale al team Cityscapes per il suo costante contributo alle comunità della guida autonoma e della visione artificiale.

Domande frequenti#