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 alınmış 8 görüntüden (4 eğitim, 4 doğrulama) oluşan kompakt bir anlamsal segmentasyon veri kümesidir. YOLO anlamsal segmentasyon modelleri ve eğitim işlem hatlarıyla hızlı test, hata ayıklama ve denemeler yapmak için tasarlanmıştır. Kentsel sahneleri içermesi, tam Cityscapes veri kümesine geçmeden önce işlem hattını kontrol etmeyi sağlar.

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

Veri Kümesi Yapısı#

Cityscapes8, test bölmesi dışında, tam veri kümesinin yapısını yansıtır:

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

Maskeler görüntülerle masks_dir: masks alanı aracılığıyla eşleştirilir; label_mapping ise kaynak Cityscapes etiket kimliklerini tam Cityscapes veri kümesinin yapısında açıklanan 19 ardışık eğitim kimliğine dönüştürür.

Veri Kümesi YAML Dosyası#

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 dosyasında, paketlenmiş küçük alt kümeyi indirmek için bir URL bulunur.

# 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 tamamı için YOLO Eğitim belgelerine bak.

from ultralytics import YOLO

# Önceden eğitilmiş bir YOLO26n-sem modelini yükle
model = YOLO("yolo26n-sem.pt")

# Modeli Cityscapes8 üzerinde eğit
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)

Ayrıca Cityscapes8'i yönetebilir ve anlamsal segmentasyon modellerini bulutta Ultralytics Platform ile eğitebilirsin.

Atıflar, Lisans ve Teşekkür#

Cityscapes8, özel bir ticari olmayan lisans altında yayımlanan Cityscapes'ten örneklenmiştir — ayrıntılar için Cityscapes veri kümesi sayfasına bak.

Cityscapes veri kümesini araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen aşağıdaki makaleyi kaynak göster:

@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 katkılarını sürdüren Cityscapes ekibine özel teşekkürler.

Sık Sorulan Sorular#