语义分割数据集概述#

Semantic segmentation 为图像中的每个像素分配一个类别标签。与instance segmentation不同，语义分割不会分离同一类别的各个独立对象。训练目标是一个稠密类别图，其中每个像素存储一个类别 ID。

本指南解释了 Ultralytics YOLO 语义分割模型所使用的数据集格式，并列出了可用于训练和验证的内置数据集配置。

支持的数据集格式#

支持两种标签格式。当数据集 YAML 定义了 masks_dir 键，或者在数据集根目录的图像旁边已经存在一个 masks/ 文件夹时，数据集加载器会选择 PNG 掩码；否则将退回到 YOLO 多边形标签。

PNG 掩码格式#

语义分割数据集每个样本使用一个图像文件和一个掩码文件。掩码是单通道图像，通常为 PNG 格式，其中每个像素值都是对应图像像素的类别索引。

• 像素值 0、1、2 等表示来自数据集 names 映射的类别 ID。
• 像素值 255 被视作忽略标签，并从损失和指标计算中排除。
• 掩码文件应使用与其匹配的图像文件相同的词干，例如 frankfurt_000000_000294.png。
• 默认情况下，掩码解析为 .png；如果缺失，也接受其他支持的图像扩展名。请使用诸如 .png 或 .tiff 的无损格式，因为有损压缩（例如 .jpg）会损坏类别 ID 像素值。

默认布局将图像和掩码存放在平行的文件夹中。数据集 YAML 中的 masks_dir 值会替换 images 路径组件以查找掩码。

dataset/
├── images/
│   ├── train/
│   └── val/
└── masks/
    ├── train/
    └── val/

例如，当 masks_dir: masks 时，images/train/aachen_000000_000019.png 处的图像与 masks/train/aachen_000000_000019.png 处的掩码配对。

YOLO 多边形标签格式#

如果你的数据集已经拥有 Ultralytics YOLO 多边形标签（每张图片一个 .txt，带有 <class-index> <x1> <y1> <x2> <y2> ... 行），你可以直接基于它们训练语义分割，无需转换 PNG 掩码。有关行级布局，请参阅实例分割数据集格式。

当数据集 YAML 省略 masks_dir 且数据集根目录的图像旁边没有 masks/ 文件夹时，会自动选择此路径——请移除或重命名任何残留的 masks/ 文件夹，否则加载器会退回到 PNG 掩码模式并在那里查找掩码。行为：

• 多边形在加载时会被转换为每张图像的语义掩码，并按面积排序，以便在重叠区域中较小的对象覆盖较大的对象。
• 多类（names 中的 N > 1）：对于任何多边形未覆盖的像素，会在你声明的类别之后追加一个额外的 background 类别。模型的输出通道数为 N + 1，且最后一个通道为背景。
• 单类（names 中的 N == 1）：仍然作为 1 个类进行训练。掩码为二值掩码，你声明的类别显示为 1，未被任何多边形覆盖的像素显示为 0。不会向 names 添加额外的背景类。
• 通过增强填充（例如随机裁剪）添加的像素仍然使用 255 作为忽略标签。

当你的数据已经标注为实例多边形，且你想从相同文件生成语义分割模型时，请使用此路径。

数据集 YAML 格式#

语义分割数据集使用 YAML 文件进行配置。主要字段包括：

# 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

当源掩码 ID 尚未与连续的训练类别 ID 匹配时，请使用 label_mapping。Cityscapes 和 ADE20K 包含将原始标签 ID 转换为 YOLO 语义分割训练 ID 并忽略未使用标签的映射。

用法#

使用 Python 或 CLI 训练 YOLO26 语义分割模型：

from ultralytics import YOLO

# Load a pretrained semantic segmentation model
model = YOLO("yolo26n-sem.pt")

# Train on the Cityscapes8 semantic segmentation dataset
results = model.train(data="cityscapes8.yaml", epochs=100, imgsz=1024)

支持的数据集#

Ultralytics 为这些数据集提供了语义分割数据集 YAML 文件。有关完整的预训练模型基准测试表，请参阅semantic segmentation task page。

• Cityscapes：包含 19 个训练类别的城市场景语义分割数据集。
• Cityscapes8：用于快速测试和 CI 检查的 8 张图像 Cityscapes 子集。
• ADE20K：包含 150 个语义类别的场景解析数据集。

添加你自己的数据集#

选项 A — PNG 掩码#

1. 将你的图像保存在诸如 images/train 和 images/val 的拆分文件夹下。
2. 在镜像掩码文件夹（例如 masks/train 和 masks/val）下为每张图像保存一个单通道掩码。
3. 确保掩码像素值为类别 ID。对应该忽略的像素使用 255。
4. 创建一个包含 path、train、val、masks_dir 和 names 的数据集 YAML。
5. 仅当你的掩码 ID 需要转换为连续的训练 ID 时才添加 label_mapping。

path: path/to/my-semantic-dataset
train: images/train
val: images/val
masks_dir: masks

names:
    0: background
    1: road
    2: building

选项 B — 多边形标签#

1. 图像和 .txt 多边形文件的布局方式与实例分割完全相同。
2. 创建一个包含 path、train、val 和 names 的数据集 YAML——省略 masks_dir。
3. 确保数据集根目录的图像旁边没有 masks/ 文件夹——仅仅它的存在就会将加载器切换到 PNG 掩码模式，即使 YAML 中没有 masks_dir。
4. 不要向 names 添加“background”条目。对于多类数据集，加载器会自动追加一个；对于单类数据集，训练保持在 1 类——你声明的类别在掩码中变为 1，未覆盖的像素变为 0。

path: path/to/my-polygon-dataset
train: images/train
val: images/val

names:
    0: person
    1: car

Ultralytics Platform 为语义任务提供了多边形标注工具，以及 SAM 辅助的智能标注——直接在浏览器中进行标注，并导出或训练生成的多边形标注数据集，而无需手动设置此布局。

常见问题解答#