Link to this sectionADE20K データセット#
ADE20Kデータセットは、MIT CSAILによる大規模なセマンティックセグメンテーションベンチマークです。20,210枚のトレーニング画像と2,000枚の検証画像が含まれており、150の屋内、屋外、物体、およびstuffカテゴリにわたって詳細なアノテーションが施されています。Ultralytics YOLOを使用した高密度なシーン理解モデルのトレーニングおよび評価のための標準的なリソースです。
Link to this section主な特徴#
- ADE20KのフルSceneParsingベンチマークは合計25,562枚の画像で構成されており、トレーニング用に20,210枚、検証用に2,000枚、テスト用に3,352枚が含まれています。テスト画像のアノテーションは公開されていないため、ダウンロード可能な
ADEChallengeData2016アーカイブとUltralyticsのade20k.yaml設定では、トレーニング用および検証用の分割のみが使用されます。 - このデータセットは、屋内、屋外、物体、素材カテゴリにまたがる150のセマンティッククラスを網羅しています。
- アノテーションは、シーン解析に適した高密度なピクセルレベルのセグメンテーションマスクです。
Link to this sectionデータセットの構造#
Ultralytics の設定では、公式の ADEChallengeData2016 レイアウトを想定しています：
ADEChallengeData2016/
├── images/
│ ├── training/
│ └── validation/
└── annotations/
├── training/
└── validation/ADE20Kには自動ダウンロードスクリプトはありません。約1 GBのADEChallengeData2016.zipアーカイブをダウンロードし、datasets/フォルダに直接解凍してください。アーカイブのトップレベルフォルダは既にADEChallengeData2016/という名前になっているため、datasets/ADEChallengeData2016/というディレクトリ構成が作成されます。ご自身でADEChallengeData2016フォルダを作成してそこに解凍すると、datasets/ADEChallengeData2016/ADEChallengeData2016/というネストされた構造になり、YAMLから参照できなくなるため注意してください。
masks_dir フィールドは annotations に設定されているため、images/ 内の各画像は annotations/ 内の対応するマスクとペアになります。オリジナルの ADE20K マスクはソースラベル ID を使用しており、0 は無視されます。label_mapping セクションは、有効なラベル 1 から 150 を連続する学習用 ID 0 から 149 に変換し、無視されるピクセルを 255 にマッピングします。
Link to this sectionアプリケーション#
ADE20K は、セマンティックセグメンテーションおよびシーン解析におけるディープラーニングモデルの学習と評価に広く使用されています。多様なカテゴリセットと複雑なシーンにより、自動運転ナビゲーション、ロボティクス、拡張現実（AR）、画像編集などのアプリケーションにおいて価値を発揮します。
ADE20Kは屋内および屋外シーンの幅広さから、ドメインを横断したモデルの汎化性能を評価するための強力なベンチマークにもなっています。事前学習済みのYOLO26セマンティックセグメンテーションモデルは、ADE20K検証セットで最大51.5 mIoUを達成しています。ベンチマークの全表については、セマンティックセグメンテーションモデルページを参照してください。ADE20K形式のデータセットは、データセット管理およびトレーニングのためにUltralytics Platformと完全な互換性があります。
Link to this sectionデータセット YAML#
データセットの YAML ファイルで、ADE20K のパス、クラス、マスクディレクトリ、およびラベルマッピングを定義しています。ade20k.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/ade20k.yaml で管理されています。
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# ADE20K semantic segmentation dataset (150 classes)
# Documentation: https://docs.ultralytics.com/datasets/semantic/ade20k
# Example usage: yolo semantic train data=ade20k.yaml model=yolo26n-sem.pt
# parent
# ├── ultralytics
# └── datasets
# └── ADEChallengeData2016 ← downloads here (1 GB)
# └── images
# └── annotations
# Dataset root directory
path: ADEChallengeData2016
train: images/training
val: images/validation
masks_dir: annotations # semantic mask directory
# ADE20K 150-class labels
names:
0: wall
1: building
2: sky
3: floor
4: tree
5: ceiling
6: road
7: bed
8: windowpane
9: grass
10: cabinet
11: sidewalk
12: person
13: earth
14: door
15: table
16: mountain
17: plant
18: curtain
19: chair
20: car
21: water
22: painting
23: sofa
24: shelf
25: house
26: sea
27: mirror
28: rug
29: field
30: armchair
31: seat
32: fence
33: desk
34: rock
35: wardrobe
36: lamp
37: bathtub
38: railing
39: cushion
40: base
41: box
42: column
43: signboard
44: chest of drawers
45: counter
46: sand
47: sink
48: skyscraper
49: fireplace
50: refrigerator
51: grandstand
52: path
53: stairs
54: runway
55: case
56: pool table
57: pillow
58: screen door
59: stairway
60: river
61: bridge
62: bookcase
63: blind
64: coffee table
65: toilet
66: flower
67: book
68: hill
69: bench
70: countertop
71: stove
72: palm
73: kitchen island
74: computer
75: swivel chair
76: boat
77: bar
78: arcade machine
79: hovel
80: bus
81: towel
82: light
83: truck
84: tower
85: chandelier
86: awning
87: streetlight
88: booth
89: television receiver
90: airplane
91: dirt track
92: apparel
93: pole
94: land
95: bannister
96: escalator
97: ottoman
98: bottle
99: buffet
100: poster
101: stage
102: van
103: ship
104: fountain
105: conveyor belt
106: canopy
107: washer
108: plaything
109: swimming pool
110: stool
111: barrel
112: basket
113: waterfall
114: tent
115: bag
116: minibike
117: cradle
118: oven
119: ball
120: food
121: step
122: tank
123: trade name
124: microwave
125: pot
126: animal
127: bicycle
128: lake
129: dishwasher
130: screen
131: blanket
132: sculpture
133: hood
134: sconce
135: vase
136: traffic light
137: tray
138: ashcan
139: fan
140: pier
141: crt screen
142: plate
143: monitor
144: bulletin board
145: shower
146: radiator
147: glass
148: clock
149: flag
# Map source label IDs to train IDs; ignore_label is converted to 255.
label_mapping:
0: ignore_label
1: 0
2: 1
3: 2
4: 3
5: 4
6: 5
7: 6
8: 7
9: 8
10: 9
11: 10
12: 11
13: 12
14: 13
15: 14
16: 15
17: 16
18: 17
19: 18
20: 19
21: 20
22: 21
23: 22
24: 23
25: 24
26: 25
27: 26
28: 27
29: 28
30: 29
31: 30
32: 31
33: 32
34: 33
35: 34
36: 35
37: 36
38: 37
39: 38
40: 39
41: 40
42: 41
43: 42
44: 43
45: 44
46: 45
47: 46
48: 47
49: 48
50: 49
51: 50
52: 51
53: 52
54: 53
55: 54
56: 55
57: 56
58: 57
59: 58
60: 59
61: 60
62: 61
63: 62
64: 63
65: 64
66: 65
67: 66
68: 67
69: 68
70: 69
71: 70
72: 71
73: 72
74: 73
75: 74
76: 75
77: 76
78: 77
79: 78
80: 79
81: 80
82: 81
83: 82
84: 83
85: 84
86: 85
87: 86
88: 87
89: 88
90: 89
91: 90
92: 91
93: 92
94: 93
95: 94
96: 95
97: 96
98: 97
99: 98
100: 99
101: 100
102: 101
103: 102
104: 103
105: 104
106: 105
107: 106
108: 107
109: 108
110: 109
111: 110
112: 111
113: 112
114: 113
115: 114
116: 115
117: 116
118: 117
119: 118
120: 119
121: 120
122: 121
123: 122
124: 123
125: 124
126: 125
127: 126
128: 127
129: 128
130: 129
131: 130
132: 131
133: 132
134: 133
135: 134
136: 135
137: 136
138: 137
139: 138
140: 139
141: 140
142: 141
143: 142
144: 143
145: 144
146: 145
147: 146
148: 147
149: 148
150: 149
# Download URL (manual): http://data.csail.mit.edu/places/ADEchallenge/ADEChallengeData2016.zipLink to this section使用方法#
ADE20K データセットで YOLO26n-sem モデルを画像サイズ 512 で 100 エポック学習させるには、以下のコードスニペットを使用できます。利用可能な引数の詳細リストについては、モデルのトレーニングページを参照してください。
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-sem.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="ade20k.yaml", epochs=100, imgsz=512)Link to this section引用、ライセンス、謝辞#
ADE20Kの画像は非営利の研究および教育目的のみで公開されています。データセットのアノテーションソフトウェアは、別途BSD-3ライセンスの下でライセンスされています。商用利用にはMIT CSAILの許可が必要です。
研究や開発活動で ADE20K データセットを使用する場合は、以下の論文を引用してください：
@inproceedings{zhou2017scene,
title={Scene Parsing through ADE20K Dataset},
author={Zhou, Bolei and Zhao, Hang and Puig, Xavier and Fidler, Sanja and Barriuso, Adela and Torralba, Antonio},
booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
year={2017}
}コンピュータビジョンコミュニティのためにこの貴重なリソースを作成・維持してくださった MIT CSAIL Computer Vision Group に感謝いたします。ADE20K データセットとその作成者に関する詳細については、ADE20K データセットのウェブサイトをご覧ください。
Link to this sectionよくある質問 (FAQ)#
Link to this sectionADE20K データセットとは何か、そしてなぜコンピュータビジョンにおいて重要なのでしょうか？#
ADE20Kデータセットは、セマンティックセグメンテーションに使用される大規模なシーン解析ベンチマークであり、屋内、屋外、物体、stuffクラスをカバーする150のカテゴリにわたって、20,210枚のトレーニング画像と2,000枚の検証画像が公開されています。研究者は、多様なシーン、きめ細かなカテゴリ設定、およびmIoU（mean Intersection over Union）のような標準化された評価指標があるため、高密度予測モデルのベンチマークとしてADE20Kを使用しています。
Link to this sectionADE20K データセットを使用して YOLO モデルを学習するにはどうすればよいですか？#
ADE20K データセットで YOLO26n-sem モデルを 100 エポック、画像サイズ 512 で学習させるには、以下のコードスニペットを使用してください。利用可能な引数の詳細リストについては、モデルのトレーニングページを参照してください。
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-sem.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="ade20k.yaml", epochs=100, imgsz=512)Link to this sectionADE20K データセットはどのように構成されていますか？#
ADE20K データセットは公式の ADEChallengeData2016 レイアウトに従っており、画像は images/training/ および images/validation/ に、対応するマスクは annotations/training/ および annotations/validation/ に整理されています。Ultralytics の YAML ファイルは masks_dir: annotations フィールドを介して各画像とマスクをペアにし、label_mapping を使用してソースラベル ID 1–150 を連続する学習用 ID 0–149 に変換し、無視するラベルを 255 にマッピングします。
Link to this sectionADE20Kは手動でダウンロードする必要がありますか？#
Yes. Download the ADEChallengeData2016.zip archive (~1 GB) and extract it directly into your datasets/ folder before training — the archive's own top-level folder is already named ADEChallengeData2016/, so extracting it there (not into a separate ADEChallengeData2016 folder you create yourself) produces the images/ and annotations/ layout that ade20k.yaml expects.
Link to this sectionなぜ ADE20K では label_mapping を使用するのですか？#
ADE20K のアノテーションマスクはソースラベル ID を保持しており、0 は無視または背景クラスを示します。label_mapping セクションは、有効なラベル 1 から 150 を連続する学習用 ID 0 から 149 にマッピングし、無視されたピクセルに 255 を割り当てることで、学習および検証中の損失計算や指標評価からこれらを除外します。
Link to this sectionADE20Kデータセットは商用利用が無料ですか？#
いいえ。ADE20Kの画像は非営利の研究および教育目的に制限する条項の下で公開されています。付属のアノテーションソフトウェアは、別途BSD-3ライセンスの下でライセンスされています。商用ライセンスのオプションについてはMIT CSAILにお問い合わせください。