Cityscapes8 Veri Kümesi#

Name: Cityscapes8 Anlamsal Bölümleme Veri Kümesi
Creator: Ultralytics
License: https://www.cityscapes-dataset.com/license/
Keywords: Cityscapes8, Ultralytics, veri seti, semantik segmentasyon, YOLO26, semantik, eğitim, doğrulama, şehir manzaraları, computer vision

Giriş#

Ultralytics Cityscapes8 veri kümesi, Cityscapes veri kümesinden örneklenen 8 görüntüye (4'ü eğitim ve 4'ü doğrulama için) sahip kompakt bir semantic segmentation veri kümesidir. YOLO semantik segmentasyon modelleri ve eğitim boru hatlarıyla hızlı test, hata ayıklama ve deneme yapılması için tasarlanmıştır. Kentsel sahneler içeren içeriği, tam Cityscapes veri kümesine ölçeklemeden önce faydalı bir boru hattı kontrolü sağlar.

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

Not

Cityscapes8 yalnızca boru hattı testi içindir, kıyaslama (benchmark) için değildir; 8 görüntüsü anlamlı bir mIoU karşılaştırması için çok azdır. Temsili sonuçlar için tam Cityscapes doğrulama kümesini kullan.

Veri Kümesi Yapısı#

Cityscapes8, test bölünmesi 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 yapısı bölümünde açıklanan bitişik 19 tren kimliğine dönüştürür.

Veri Kümesi YAML#

Cityscapes8 veri kümesi yapılandırması, veri kümesi yollarını, sınıf adlarını ve diğer temel meta verileri belirten bir veri kümesi YAML dosyasında tanımlanmıştır. Resmi cityscapes8.yaml dosyasını Ultralytics GitHub repository içinde inceleyebilirsin. YAML, 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

Kullanım#

Cityscapes8 veri kümesi üzerinde 1024 görüntü boyutuyla 100 epochs boyunca bir YOLO26n-sem modeli eğitmek için aşağıdaki örnekleri kullan. Eğitim seçeneklerinin tam listesi için YOLO Training documentation sayfasına 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)

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

Alıntılar, Lisans ve Teşekkür#

Cityscapes8, özel ticari olmayan lisans altında yayımlanan Cityscapes'ten örneklenmiştir — ayrıntılar için tam Cityscapes dataset page sayfasına bak.

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}
}

Otonom sürüş ve computer vision topluluklarına devam eden katkılarından ötürü Cityscapes team ekibine özel olarak teşekkür ederiz.

SSS#

Ultralytics Cityscapes8 veri kümesi ne için kullanılır?#

Ultralytics Cityscapes8 veri kümesi, semantic segmentation modellerinin hızlı bir şekilde test edilmesi ve hata ayıklanması için tasarlanmıştır. Sadece 8 görüntü (4 eğitim, 4 doğrulama için) ile maske yükleme, veri artırımları, doğrulama ve dışa aktarma yolları dahil olmak üzere YOLO semantik segmentasyon boru hatlarını tam Cityscapes veri kümesine ölçeklemeden önce doğrulamak için idealdir. Daha fazla ayrıntı için Cityscapes8 YAML configuration seçeneğini incele.

Cityscapes8, tam Cityscapes veri kümesinden nasıl farklıdır?#

Cityscapes8, Cityscapes'in 2.975 eğitim / 500 doğrulama bölümünden aynı 19 sınıfı ve label_mapping kullanarak 8 görüntüyü (4 eğitim, 4 doğrulama) örnekler; böylece Cityscapes8 üzerinde çalışan bir boru hattı, tam veri kümesinde hiçbir değişiklik gerektirmeden çalışır; cityscapes8.yaml yerine data= hedefini cityscapes.yaml üzerine yönlendirmen yeterlidir. Tam veri kümesinden farklı olarak Cityscapes8, manuel indirme adımına ve test bölümüne sahip değildir.