Набор данных Cityscapes8#

Введение#

Датасет Ultralytics Cityscapes8 — это компактный датасет semantic segmentation, содержащий 8 изображений, выбранных из датасета Cityscapes: 4 для обучения и 4 для валидации. Он разработан для быстрого тестирования, отладки и экспериментов с моделями семантической сегментации YOLO и обучающими пайплайнами. Его контент с городскими сценами обеспечивает полезную проверку пайплайна перед переходом к полному датасету Cityscapes.

Cityscapes8 использует те же 19 классов оценки и такое же поведение label_mapping, что и полный датасет Cityscapes, и полностью совместим с воркфлоу семантической сегментации YOLO26.

Структура набора данных#

Cityscapes8 повторяет структуру полного датасета без разделения test:

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

Маски сопоставляются с изображениями с помощью поля masks_dir: masks, а label_mapping преобразует исходные ID меток Cityscapes в 19 непрерывных ID обучения, описанных в структуре полного датасета Cityscapes.

YAML набора данных#

Конфигурация датасета Cityscapes8 определяется в YAML-файле датасета, в котором указаны пути к датасету, имена классов и другие важные метаданные. Ты можешь посмотреть официальный файл cityscapes8.yaml в репозитории Ultralytics на GitHub. YAML включает URL для скачивания небольшой упакованной подвыборки.

# 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

Использование#

Чтобы обучить модель YOLO26n-sem на датасете Cityscapes8 в течение 100 epochs с размером изображения 1024, используй следующие примеры. Полный список параметров обучения см. в документации по обучению YOLO.

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)

Ты также можешь управлять Cityscapes8 и обучать модели семантической сегментации в облаке с помощью Ultralytics Platform.

Цитирование, лицензия и благодарности#

Cityscapes8 сформирован из Cityscapes, который распространяется по лицензии для некоммерческого использования — подробности см. на странице датасета Cityscapes.

Если ты используешь набор данных Cityscapes в своих исследованиях или разработках, пожалуйста, сошлися на следующую работу:

@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}
}

Особая благодарность команде Cityscapes за их постоянный вклад в развитие сообществ беспилотного транспорта и computer vision.

FAQ#