Cityscapes8データセット#
はじめに#
UltralyticsのCityscapes8データセットは、Cityscapesデータセットから抽出した8枚（学習用4枚、検証用4枚）で構成される小規模なセマンティックセグメンテーションデータセットです。YOLOセマンティックセグメンテーションモデルと学習パイプラインの迅速なテスト、デバッグ、実験を目的としています。都市シーンのデータを含むため、Cityscapes全体に拡張する前のパイプライン確認に役立ちます。
Cityscapes8は、Cityscapes全体と同じ19の評価クラスと同じlabel_mappingの動作を使用しており、YOLO26のセマンティックセグメンテーションワークフローと完全に互換性があります。
Cityscapes8はパイプラインテスト専用であり、ベンチマーク用ではありません。8枚では、有意義なmIoU比較を行うには少なすぎます。代表的な結果を得るには、Cityscapes全体の検証セットを使用してください。
データセットの構成#
Cityscapes8は、testの分割を除き、データセット全体と同じ構成です。
cityscapes8/
├── images/
│ ├── train/ # 4 images
│ └── val/ # 4 images
└── masks/
├── train/ # 4 single-channel PNG masks
└── val/ # 4 single-channel PNG masksマスクはmasks_dir: masksフィールドを介して画像と対応付けられます。また、label_mappingにより、ソースのCityscapesラベルIDがCityscapes全体のデータセット構成で説明されている連続した19個の学習IDに変換されます。
データセットYAML#
Cityscapes8のデータセット構成は、データセットのパス、クラス名、その他の重要なメタデータを指定するデータセットYAMLファイルで定義されています。Ultralytics GitHubリポジトリで、公式のcityscapes8.yamlファイルを確認できます。YAMLには、小規模なパッケージ済みサブセットのダウンロードURLが含まれています。
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Cityscapes semantic segmentation dataset (19 classes)
# Documentation: https://docs.ultralytics.com/datasets/semantic/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使用方法#
Cityscapes8データセットでYOLO26n-semモデルを画像サイズ1024、100エポックで学習するには、以下の例を使用してください。学習オプションの全一覧については、YOLOの学習ドキュメントをご覧ください。
from ultralytics import YOLO
# 事前学習済みのYOLO26n-semモデルを読み込む
model = YOLO("yolo26n-sem.pt")
# Cityscapes8でモデルを学習する
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)Ultralytics Platformを使って、Cityscapes8を管理し、セマンティックセグメンテーションモデルをクラウドで学習することもできます。
引用、ライセンス、謝辞#
Cityscapes8は、独自の非商用ライセンスで公開されているCityscapesから抽出されています。詳細については、Cityscapesデータセットのページをご覧ください。
研究または開発でCityscapes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{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}
}自動運転とコンピュータービジョンのコミュニティに継続的に貢献しているCityscapesチームに、心より感謝します。
よくある質問#
UltralyticsのCityscapes8データセットは、セマンティックセグメンテーションモデルの迅速なテストとデバッグを目的としています。画像はわずか8枚（学習用4枚、検証用4枚）で、YOLOのセマンティックセグメンテーションパイプラインにおけるマスク読み込み、拡張、検証、エクスポートの各処理を確認してから、Cityscapes全体に拡張するのに最適です。詳細については、Cityscapes8 YAML設定をご覧ください。
Cityscapes8は、Cityscapesの学習用2,975枚・検証用500枚の分割から、同じ19クラスと
label_mappingを使用して8枚（学習用4枚、検証用4枚）を抽出しています。そのため、Cityscapes8で動作するパイプラインは変更せずにデータセット全体で実行できます。data=の参照先をcityscapes8.yamlではなくcityscapes.yamlにするだけです。データセット全体とは異なり、Cityscapes8では手動ダウンロードが不要で、testの分割もありません。PythonまたはCLIを使って、Cityscapes8でYOLO26セマンティックセグメンテーションモデルを学習できます。
トレーニング例from ultralytics import YOLO # 事前学習済みのYOLO26n-semモデルを読み込む model = YOLO("yolo26n-sem.pt") # Cityscapes8でモデルを学習する results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)その他のトレーニングオプションについては、YOLOトレーニングのドキュメントをご覧ください。
いいえ。Cityscapes8は有意義なモデル比較を行うには小さすぎるため、学習および評価パイプラインの確認を目的としています。セマンティックセグメンテーションで代表的なベンチマーク結果が必要な場合は、Cityscapes全体の検証セットを使用してください。