Cityscapesデータセット#
Cityscapesデータセットは、ヨーロッパ50都市で撮影された都市の街路シーンを対象とす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、19クラスにわたる2,975枚の詳細アノテーション付きトレーニング画像と500枚の検証画像で構成されています。自動運転の研究や都市シーン理解において、Ultralytics YOLOモデルで広く使用されているデータセットの1つです。
主な特徴#
- Cityscapesの詳細アノテーションには、19クラスにわたる2,975枚のトレーニング画像と500枚の検証画像が含まれます。アーカイブには1,525枚のテスト画像も含まれていますが、公開されたマスクでラベル付けされているのは自車両と画像の境界のみです。実際のクラスアノテーションは非公開であり、公式テストセットのスコアを得るには、予測結果をCityscapes評価サーバーに提出する必要があります。
- データセットには、flat、human、vehicle、construction、object、nature、skyのカテゴリにまたがる19の評価クラスが含まれています。
- Cityscapesは、セマンティックセグメンテーション用の平均Intersection over Union（mIoU）などの標準化された評価指標を提供し、モデル性能を効果的に比較できます。
- ~11 GBの手動ダウンロードを開始する前に、8枚の画像で構成されるCityscapes8サブセットでトレーニングパイプラインを検証してください。
データセットの構成#
準備後、Ultralyticsの設定では次のレイアウトが想定されます。
cityscapes/
├── images/
│ ├── train/
│ ├── val/
│ └── test/
└── masks/
├── train/
├── val/
└── test/Cityscapesにはアーカイブの自動ダウンロード機能がありません。CityscapesのWebサイトでアカウントを作成し、leftImg8bit_trainvaltest.zipおよびgtFine_trainvaltest.zipアーカイブ（合計~11 GB）をダウンロードして、両方をcityscapesデータセットルートに展開してください。初回のトレーニング時に、Ultralyticsがそれらを自動的に再編成し、上記のimages/およびmasks/レイアウトにします。
セマンティックマスクは単一チャンネルのPNGファイルです。元のCityscapesラベルIDは、label_mappingセクションを介して標準の19個のtrain IDにマッピングされ、無視するラベルまたはvoidラベルは255にマッピングされるため、トレーニングと評価から除外されます。
公開されているgtFine/testマスクでラベル付けされているのは、自車両と画像境界領域のみで、それ以外のすべてのクラスはvoidです。ローカル評価ではval splitでmIoUを計算してください。公式テストセットのスコアを得るには、予測結果をCityscapes評価サーバーに提出する必要があります。
アプリケーション#
Cityscapesは、セマンティックセグメンテーションにおけるディープラーニングモデルのトレーニングと評価、特に自動運転、先進運転支援システム（ADAS）、都市ロボティクスに広く使用されています。
高解像度の画像と詳細なアノテーションにより、リアルタイムシーン解析、レーンや障害物の理解、複雑な都市環境の高密度なピクセルレベル理解を必要とするあらゆるタスクの研究にも役立ちます。事前トレーニング済みのYOLO26セマンティックセグメンテーションモデルは、Cityscapes検証セットで最大83.6 mIoUを達成します。完全なベンチマーク表については、セマンティックセグメンテーションモデルのページをご覧ください。Ultralytics Platformを使用すると、モデル開発ワークフロー全体を通じてCityscapesデータを整理、可視化、管理できます。
データセット YAML#
データセットYAMLファイルでは、Cityscapesのパス、クラス、マスクディレクトリ、ラベルマッピングを定義します。cityscapes.yamlファイルは、https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/cityscapes.yamlで管理されています。
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Cityscapes semantic segmentation dataset (19 classes)
# Documentation: https://docs.ultralytics.com/datasets/semantic/cityscapes
# Example usage: yolo semantic train data=cityscapes.yaml model=yolo26n-sem.pt
# parent
# ├── ultralytics
# └── datasets
# └── cityscapes ← downloads here (11 GB)
# └── images
# └── masks
# Dataset root directory
path: cityscapes # dataset root dir
train: images/train # train images (relative to 'path') 2975 images
val: images/val # val images (relative to 'path') 500 images
test: images/test # test images (relative to 'path') 1525 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
# Preparation script (requires manual Cityscapes download)
download: |
from pathlib import Path
from shutil import copy2
cityscapes_dir = Path(yaml["path"]) # dataset root dir
# Download and extract the official Cityscapes leftImg8bit and gtFine archives into cityscapes_dir first.
leftimg8bit_dir = cityscapes_dir / "leftImg8bit"
gtfine_dir = cityscapes_dir / "gtFine"
for split in ("train", "val", "test"):
print(f"Processing {split} set")
src_image_dir = leftimg8bit_dir / split
dst_image_dir = cityscapes_dir / "images" / split
dst_mask_dir = cityscapes_dir / "masks" / split
dst_image_dir.mkdir(parents=True, exist_ok=True)
dst_mask_dir.mkdir(parents=True, exist_ok=True)
image_paths = sorted(src_image_dir.rglob("*_leftImg8bit.png"))
for image_path in image_paths:
relative_path = image_path.relative_to(src_image_dir)
mask_path = gtfine_dir / split / relative_path.parent / image_path.name.replace(
"_leftImg8bit.png", "_gtFine_labelIds.png"
)
if not mask_path.exists():
raise FileNotFoundError(f"Mask not found for {image_path}: {mask_path}")
image_name = image_path.name.replace("_leftImg8bit", "")
mask_name = mask_path.name.replace("_gtFine_labelIds", "")
copy2(image_path, dst_image_dir / image_name)
copy2(mask_path, dst_mask_dir / mask_name)使用方法#
CityscapesデータセットでYOLO26n-semモデルを、画像サイズ1024、100エポックでトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の完全な一覧については、モデルのトレーニングページをご覧ください。
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="cityscapes.yaml", epochs=100, imgsz=1024)引用、ライセンス、謝辞#
Cityscapesはカスタムの非商用ライセンスで公開されています。学術研究と評価には無料で使用できますが、データの商用利用、ライセンス供与、再配布にはCityscapesチームからの個別の許可が必要です。
研究または開発作業でCityscapesデータセットを使用する場合は、次の論文を引用してください。
@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}
}自動運転およびコンピュータービジョンのコミュニティにとって価値のあるこのリソースを作成・維持しているCityscapesチームに感謝いたします。Cityscapesデータセットとその作成者について詳しくは、CityscapesデータセットのWebサイトをご覧ください。
FAQ#
Cityscapesデータセットは、ヨーロッパ50都市の都市街路シーンを対象とす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、自動運転およびADAS研究の標準的な参照データセットとして広く使用されています。詳細にアノテーションされた19の評価クラス、高解像度の画像、標準化された平均Intersection over Union（mIoU）指標により、高密度なシーン理解モデル向けの最も引用されているベンチマークの1つです。
CityscapesデータセットでYOLO26n-semモデルを、画像サイズ1024、100エポックでトレーニングするには、次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な一覧については、モデルのトレーニングページをご覧ください。
トレーニング例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="cityscapes.yaml", epochs=100, imgsz=1024)準備後、データセットは
images/{train,val,test}/およびmasks/{train,val,test}/ディレクトリに整理され、各画像には単一チャンネルのPNGマスクが対応します。UltralyticsのYAMLファイルは、masks_dir: masksフィールドを介して各画像とそのマスクを対応付け、label_mappingを使用して元のCityscapesラベルIDを標準の19個の連続したtrain IDに変換し、無視するラベルとvoidラベルを255にマッピングします。testsplitのマスクでラベル付けされているのは自車両と境界領域のみなので、ローカルでmIoUを確認する場合はvalを使用してください。はい。CityscapesのWebサイトでアカウントを作成し、
leftImg8bit_trainvaltest.zipおよびgtFine_trainvaltest.zipアーカイブ（合計~11 GB）をダウンロードしてください。両方をcityscapesデータセットルートに展開すると、初回のトレーニング時にUltralyticsが自動的に再編成し、想定されるimages/およびmasks/レイアウトにします。Cityscapesのソースマスクには、評価で使用される19個のtrain IDとは異なる元のラベルIDが保存されています。
label_mappingセクションは、有効なラベルを連続したクラスID0～18に変換し、無視するラベルとvoidラベルには255を割り当てます。これにより、トレーニングと検証時に損失およびメトリクスから除外されます。いいえ。Cityscapesは非商用ライセンスで公開されており、学術研究、教育、評価は許可されていますが、データセットまたは派生物の商用利用、ライセンス供与、販売は禁止されています。商用ライセンスの選択肢については、Cityscapesチームに直接お問い合わせください。