Cityscapes8 Veri Kümesi#

8

Cityscapes8

ultralytics

publicSemantic

Cityscapes8 is an eight-image, full-resolution semantic-segmentation sample for pipeline validation. It maps raw Cityscapes label IDs through the official 19-class training taxonomy, keeps ignored pixels as 255, and provides non-overlapping four-image train and validation partitions.

19 classes2.3 MBSep 2, 2026

roadsidewalkbuildingwall+15

cityscapessemantic-segmentationautonomous-driving+1

Giriş#

Ultralytics Cityscapes8 veri kümesi, Cityscapes veri kümesinden örneklenen 8 görüntüden oluşan kompakt bir semantik segmentasyon veri kümesidir: 4 görüntü eğitim, 4 görüntü doğrulama için kullanılır. YOLO semantik segmentasyon modellerini ve eğitim işlem hatlarını hızlı bir şekilde test etmek, hatalarını ayıklamak ve deneyler yapmak için tasarlanmıştır. Kentsel sahne içeriği, tam Cityscapes veri kümesine ölçeklendirme öncesinde işlem hattı kontrolü için kullanışlıdır.

Cityscapes8, tam Cityscapes veri kümesiyle aynı 19 değerlendirme sınıfını ve aynı label_mapping davranışını kullanır ve YOLO26 semantik segmentasyon iş akışlarıyla tamamen uyumludur.

Veri Kümesi Yapısı#

Cityscapes8, test bölümü olmadan tam veri kümesinin düzenini yansıtır:

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

Maskeler, masks_dir: masks alanı aracılığıyla görüntülerle eşleştirilir ve label_mapping, kaynak Cityscapes etiket kimliklerini tam Cityscapes veri kümesi yapısında açıklanan 19 ardışık train kimliğine dönüştürür.

Veri Kümesi YAML'i#

Cityscapes8 veri kümesi yapılandırması; veri kümesi yollarını, sınıf adlarını ve diğer temel meta verileri belirten bir veri kümesi YAML dosyasında tanımlanır. Resmî cityscapes8.yaml dosyasını Ultralytics GitHub deposunda inceleyebilirsin. YAML, küçük paketlenmiş alt küme için bir indirme URL'si içerir.

# 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

Kullanım#

Cityscapes8 veri kümesinde 1024 görüntü boyutuyla 100 epoch boyunca YOLO26n-sem modeli eğitmek için aşağıdaki örnekleri kullan. Eğitim seçeneklerinin tam listesi için YOLO Eğitim belgelerine bak.

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)

Cityscapes8'i yönetebilir ve Ultralytics Platform ile bulutta semantik segmentasyon modelleri eğitebilirsin.

Atıflar, Lisans ve Teşekkürler#

Cityscapes8, özel ticari olmayan bir lisans kapsamında yayımlanan Cityscapes'ten örneklenmiştir — ayrıntılar için Cityscapes veri kümesi sayfasının tamamına bak.

Araştırmanda veya geliştirme çalışmalarında Cityscapes veri kümesini kullanırsan lütfen aşağıdaki makaleye atıf yap:

@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}
}

Otonom sürüş ve bilgisayarlı görü topluluklarına devam eden katkıları için Cityscapes ekibine özel teşekkürler.

SSS#