Link to this sectionCityscapes8 Veri Kümesi#

Link to this sectionGiriş#

The Ultralytics Cityscapes8 dataset is a compact semantic segmentation dataset with 8 images sampled from the Cityscapes dataset: 4 for training and 4 for validation. It is designed for rapid testing, debugging, and experimentation with YOLO semantic segmentation models and training pipelines. Its urban-scene content provides a useful pipeline check before scaling to the full Cityscapes dataset.

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

Link to this sectionVeri Kümesi YAML#

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

ultralytics/cfg/datasets/cityscapes8.yaml

# 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

Link to this sectionKullanım#

Bir YOLO26n-sem modelini Cityscapes8 veri kümesi üzerinde 1024 görsel boyutuyla 100 dönem boyunca eğitmek için aşağıdaki örnekleri kullan. Eğitim seçeneklerinin tam listesi için YOLO Eğitim belgelerine bak.

Eğitim Örneği

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)

Link to this sectionAlıntılar ve Teşekkür#

Cityscapes veri kümesini araştırmanda veya geliştirmende kullanırsan, lütfen şu makaleye atıfta bulun:

Alıntı

@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}
}

Special thanks to the Cityscapes team for their ongoing contributions to the autonomous driving and computer vision communities.

Link to this sectionSSS#

Link to this sectionUltralytics Cityscapes8 Veri Kümesi Ne İçin Kullanılır?#

Ultralytics Cityscapes8 veri kümesi, semantic segmentation modellerinin hızlı testi ve hata ayıklaması için tasarlanmıştır. Sadece 8 görüntü (4'ü eğitim, 4'ü doğrulama için) ile, maske yükleme, artırmalar, doğrulama ve dışa aktarma yolları dahil olmak üzere YOLO semantic segmentation hatlarını, tam Cityscapes veri kümesine ölçeklendirmeden önce doğrulamak için idealdir. Daha fazla ayrıntı için Cityscapes8 YAML yapılandırmasını incele.