Cityscapes8データセット#
はじめに#
UltralyticsのCityscapes8データセットは、Cityscapesデータセットからサンプリングした8枚の画像（トレーニング用4枚、検証用4枚）で構成されるコンパクト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のセマンティックセグメンテーションモデルやトレーニングパイプラインの迅速なテスト、デバッグ、実験向けに設計されています。都市シーンのデータが含まれているため、完全なCityscapesデータセットへ拡張する前のパイプラインチェックに役立ちます。
Cityscapes8は、完全なCityscapesデータセットと同じ19個の評価クラスおよび同じlabel_mappingの動作を使用し、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はベンチマーク用ではなく、パイプラインテスト専用です。8枚の画像では、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、完全なCityscapes検証セットを使用してください。
データセットの構成#
Cityscapes8は完全なデータセットのレイアウトを踏襲していますが、test分割はありません。
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、label_mappingによって、完全なCityscapesデータセット構造で説明されている19個の連続したtrain IDに、元のCityscapesラベルIDが変換されます。
データセット YAML#
Cityscapes8データセットの設定はデータセットYAMLファイルで定義されており、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します。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化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エポックでトレーニングするには、次の例を使用してください。トレーニングオプションの一覧については、YOLOトレーニングドキュメントを参照してください。
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)Ultralytics Platformを使用すると、クラウド上で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トレーニングすることもできます。
引用、ライセンス、謝辞#
Cityscapes8はCityscapesからサンプリングされたデータセットであり、カスタムの非商用ライセンスの下で公開されています。詳細については、Cityscapesデータセットページ全体を参照してください。
研究または開発でCityscapesデータセットを使用する場合は、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コミュニティへの継続的な貢献に対し、Cityscapesチームに特別な謝意を表します。
FAQ#
Ultralytics 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向けに設計されています。画像は8枚（トレーニング用4枚、検証用4枚）のみであるため、完全なCityscapesデータセットへ拡張する前に、マスクの読み込み、データ拡張、検証、エクスポートパスなど、YOLOのセマンティックセグメンテーションパイプラインを検証するのに適しています。詳細については、Cityscapes8 YAML設定を確認してください。
Cityscapes8は、Cityscapesのトレーニング2,975枚／検証500枚の分割から、同じ19クラスと
label_mappingを使用して8枚の画像（トレーニング4枚、検証4枚）をサンプリングします。そのため、Cityscapes8で実行できるパイプラインは、変更せずに完全なデータセットでも実行できます。cityscapes8.yamlの代わりに、data=がcityscapes.yamlを指すようにするだけです。完全なデータセットとは異なり、Cityscapes8には手動ダウンロードの手順とtest分割がありません。PythonまたはCLIのいずれかを使用して、Cityscapes8でYOLO26のセマンティックセグメンテーションモデルをトレーニングできます。
トレーニング例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)追加のトレーニングオプションについては、YOLOトレーニングドキュメントを参照してください。
いいえ。Cityscapes8は意味のあるモデル比較を行うには小さすぎるため、トレーニングおよび評価パイプラインのチェック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、完全なCityscapes検証セットを使用してください。