Dataset Cityscapes8#

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

Giới thiệu#

Dataset Cityscapes8 của Ultralytics là dataset phân đoạn ngữ nghĩa gọn nhẹ gồm 8 ảnh lấy mẫu từ dataset Cityscapes: 4 ảnh huấn luyện và 4 ảnh validation. Dataset được thiết kế để kiểm thử, gỡ lỗi và thử nghiệm nhanh với model phân đoạn ngữ nghĩa YOLO và pipeline huấn luyện. Nội dung cảnh đô thị giúp kiểm tra pipeline hiệu quả trước khi mở rộng lên toàn bộ dataset Cityscapes.

Cityscapes8 sử dụng cùng 19 lớp đánh giá và cùng cơ chế label_mapping như dataset Cityscapes đầy đủ, đồng thời hoàn toàn tương thích với quy trình phân đoạn ngữ nghĩa YOLO26.

Cấu trúc dataset#

Cityscapes8 mô phỏng cấu trúc của dataset đầy đủ nhưng không có phần tách test:

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

Mask được ghép với ảnh thông qua trường masks_dir: masks, còn label_mapping chuyển ID nhãn Cityscapes nguồn thành 19 ID huấn luyện liên tục được mô tả trong cấu trúc dataset Cityscapes đầy đủ.

YAML của dataset#

Cấu hình dataset Cityscapes8 được xác định trong file YAML dataset, file này chỉ định đường dẫn dataset, tên lớp và các metadata thiết yếu khác. Bạn có thể xem lại file cityscapes8.yaml chính thức trong repository GitHub của Ultralytics. YAML bao gồm URL tải xuống tập con nhỏ đã được đóng gói.

# 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

Cách sử dụng#

Để huấn luyện model YOLO26n-sem trên dataset Cityscapes8 trong 100 epoch với kích thước ảnh 1024, hãy dùng các ví dụ sau. Để xem đầy đủ tùy chọn huấn luyện, tham khảo tài liệu Huấn luyện YOLO.

from ultralytics import YOLO

# Tải model YOLO26n-sem pretrained
model = YOLO("yolo26n-sem.pt")

# Huấn luyện model trên Cityscapes8
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)

Bạn cũng có thể quản lý Cityscapes8 và huấn luyện model phân đoạn ngữ nghĩa trên cloud bằng Ultralytics Platform.

Trích dẫn, giấy phép và lời cảm ơn#

Cityscapes8 được lấy mẫu từ Cityscapes, dataset được phát hành theo giấy phép phi thương mại tùy chỉnh — xem trang dataset Cityscapes đầy đủ để biết chi tiết.

Nếu sử dụng dataset Cityscapes trong nghiên cứu hoặc phát triển, vui lòng trích dẫn bài báo sau:

@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}
}

Xin gửi lời cảm ơn đặc biệt đến nhóm Cityscapes vì những đóng góp liên tục cho cộng đồng xe tự hành và thị giác máy tính.

Câu hỏi thường gặp#