在 GitHub 上编辑此页面 (EN)

ADE20K 数据集

ADE20K 数据集是由 MIT CSAIL 发布的大规模语义分割和场景解析基准。它提供了涵盖各种室内、室外、物体和背景类别的密集标注图像，使其成为研究人员和开发人员使用 Ultralytics YOLO 模型进行密集场景理解任务的重要资源。

主要特性

  • ADE20K 包含 20,210 张训练图像、2,000 张验证图像和 3,352 张测试图像。
  • 该数据集涵盖了 150 个语义类别，跨越了室内、室外、物体和背景类别。
  • 标注是适用于密集场景解析的像素级分割掩码。

数据集结构

Ultralytics 配置要求采用官方的 ADEChallengeData2016 布局：

ADEChallengeData2016/
├── images/
│   ├── training/
│   └── validation/
└── annotations/
    ├── training/
    └── validation/

masks_dir 字段设置为 annotations，因此 images/ 下的每张图像都与 annotations/ 下的对应掩码配对。原始 ADE20K 掩码使用源标签 ID，其中 0 被忽略，label_mapping 部分将有效的 1 到 150 标签转换为连续的训练 ID 0 到 149，并将忽略的像素映射为 255。

应用

ADE20K 被广泛用于训练和评估语义分割和场景解析中的深度学习模型。其多样的类别集和复杂的场景使其在自动导航、机器人、增强现实和图像编辑等应用中极具价值。

室内和室外场景的广度也使 ADE20K 成为评估模型跨域泛化能力的有力基准。

数据集 YAML

数据集 YAML 文件定义了 ADE20K 的路径、类别、掩码目录和标签映射。ade20k.yaml 文件维护在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/ade20k.yaml。

ultralytics/cfg/datasets/ade20k.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# ADE20K semantic segmentation dataset (150 classes)
# Documentation: https://docs.ultralytics.com/datasets/semantic/ade20k/
# Example usage: yolo semantic train data=ade20k.yaml model=yolo26n-sem.pt
# parent
# ├── ultralytics
# └── datasets
#     └── ADEChallengeData2016 ← downloads here (1 GB)
#         └── images
#         └── annotations

# Dataset root directory
path: ADEChallengeData2016
train: images/training
val: images/validation

masks_dir: annotations # semantic mask directory

# ADE20K 150-class labels
names:
  0: wall
  1: building
  2: sky
  3: floor
  4: tree
  5: ceiling
  6: road
  7: bed
  8: windowpane
  9: grass
  10: cabinet
  11: sidewalk
  12: person
  13: earth
  14: door
  15: table
  16: mountain
  17: plant
  18: curtain
  19: chair
  20: car
  21: water
  22: painting
  23: sofa
  24: shelf
  25: house
  26: sea
  27: mirror
  28: rug
  29: field
  30: armchair
  31: seat
  32: fence
  33: desk
  34: rock
  35: wardrobe
  36: lamp
  37: bathtub
  38: railing
  39: cushion
  40: base
  41: box
  42: column
  43: signboard
  44: chest of drawers
  45: counter
  46: sand
  47: sink
  48: skyscraper
  49: fireplace
  50: refrigerator
  51: grandstand
  52: path
  53: stairs
  54: runway
  55: case
  56: pool table
  57: pillow
  58: screen door
  59: stairway
  60: river
  61: bridge
  62: bookcase
  63: blind
  64: coffee table
  65: toilet
  66: flower
  67: book
  68: hill
  69: bench
  70: countertop
  71: stove
  72: palm
  73: kitchen island
  74: computer
  75: swivel chair
  76: boat
  77: bar
  78: arcade machine
  79: hovel
  80: bus
  81: towel
  82: light
  83: truck
  84: tower
  85: chandelier
  86: awning
  87: streetlight
  88: booth
  89: television receiver
  90: airplane
  91: dirt track
  92: apparel
  93: pole
  94: land
  95: bannister
  96: escalator
  97: ottoman
  98: bottle
  99: buffet
  100: poster
  101: stage
  102: van
  103: ship
  104: fountain
  105: conveyor belt
  106: canopy
  107: washer
  108: plaything
  109: swimming pool
  110: stool
  111: barrel
  112: basket
  113: waterfall
  114: tent
  115: bag
  116: minibike
  117: cradle
  118: oven
  119: ball
  120: food
  121: step
  122: tank
  123: trade name
  124: microwave
  125: pot
  126: animal
  127: bicycle
  128: lake
  129: dishwasher
  130: screen
  131: blanket
  132: sculpture
  133: hood
  134: sconce
  135: vase
  136: traffic light
  137: tray
  138: ashcan
  139: fan
  140: pier
  141: crt screen
  142: plate
  143: monitor
  144: bulletin board
  145: shower
  146: radiator
  147: glass
  148: clock
  149: flag

# Map source label IDs to train IDs; ignore_label is converted to 255.
label_mapping:
  0: ignore_label
  1: 0
  2: 1
  3: 2
  4: 3
  5: 4
  6: 5
  7: 6
  8: 7
  9: 8
  10: 9
  11: 10
  12: 11
  13: 12
  14: 13
  15: 14
  16: 15
  17: 16
  18: 17
  19: 18
  20: 19
  21: 20
  22: 21
  23: 22
  24: 23
  25: 24
  26: 25
  27: 26
  28: 27
  29: 28
  30: 29
  31: 30
  32: 31
  33: 32
  34: 33
  35: 34
  36: 35
  37: 36
  38: 37
  39: 38
  40: 39
  41: 40
  42: 41
  43: 42
  44: 43
  45: 44
  46: 45
  47: 46
  48: 47
  49: 48
  50: 49
  51: 50
  52: 51
  53: 52
  54: 53
  55: 54
  56: 55
  57: 56
  58: 57
  59: 58
  60: 59
  61: 60
  62: 61
  63: 62
  64: 63
  65: 64
  66: 65
  67: 66
  68: 67
  69: 68
  70: 69
  71: 70
  72: 71
  73: 72
  74: 73
  75: 74
  76: 75
  77: 76
  78: 77
  79: 78
  80: 79
  81: 80
  82: 81
  83: 82
  84: 83
  85: 84
  86: 85
  87: 86
  88: 87
  89: 88
  90: 89
  91: 90
  92: 91
  93: 92
  94: 93
  95: 94
  96: 95
  97: 96
  98: 97
  99: 98
  100: 99
  101: 100
  102: 101
  103: 102
  104: 103
  105: 104
  106: 105
  107: 106
  108: 107
  109: 108
  110: 109
  111: 110
  112: 111
  113: 112
  114: 113
  115: 114
  116: 115
  117: 116
  118: 117
  119: 118
  120: 119
  121: 120
  122: 121
  123: 122
  124: 123
  125: 124
  126: 125
  127: 126
  128: 127
  129: 128
  130: 129
  131: 130
  132: 131
  133: 132
  134: 133
  135: 134
  136: 135
  137: 136
  138: 137
  139: 138
  140: 139
  141: 140
  142: 141
  143: 142
  144: 143
  145: 144
  146: 145
  147: 146
  148: 147
  149: 148
  150: 149
# Download URL (manual): http://data.csail.mit.edu/places/ADEchallenge/ADEChallengeData2016.zip

使用方法

若要使用图像尺寸 512 训练 YOLO26n-sem 模型并在 ADE20K 数据集上进行 100 个 epoch 的训练，你可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。

训练示例
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-sem.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="ade20k.yaml", epochs=100, imgsz=512)

引用与致谢

如果你在研究或开发工作中使用 ADE20K 数据集，请引用以下论文：

引用
@inproceedings{zhou2017scene,
  title={Scene Parsing through ADE20K Dataset},
  author={Zhou, Bolei and Zhao, Hang and Puig, Xavier and Fidler, Sanja and Barriuso, Adela and Torralba, Antonio},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  year={2017}
}

我们要感谢 MIT CSAIL 计算机视觉组为计算机视觉社区创建并维护了这一宝贵资源。有关 ADE20K 数据集及其创建者的更多信息，请访问 ADE20K 数据集网站。

常见问题

什么是 ADE20K 数据集，为什么它对计算机视觉很重要？

ADE20K 数据集是一个用于语义分割的大规模场景解析基准。它包含 25,562 张密集标注的图像，涵盖了室内、室外、物体和背景类别的 150 个类别。研究人员使用 ADE20K 是因为它拥有多样的场景、细粒度的类别集以及诸如平均交并比 (mIoU) 等标准化评估指标，这使其成为基准测试密集预测模型的理想选择。

如何使用 ADE20K 数据集训练 YOLO 模型？

若要使用图像尺寸 512 训练 YOLO26n-sem 模型并在 ADE20K 数据集上进行 100 个 epoch 的训练，你可以使用以下代码片段。有关可用参数的详细列表，请参阅模型训练页面。

训练示例
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-sem.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="ade20k.yaml", epochs=100, imgsz=512)

ADE20K 数据集的结构是怎样的？

ADE20K 数据集遵循官方 ADEChallengeData2016 布局，图像组织在 images/training/ 和 images/validation/ 下，相应的掩码位于 annotations/training/ 和 annotations/validation/ 下。Ultralytics YAML 文件通过 masks_dir: annotations 字段将每张图像与其掩码配对，并使用 label_mapping 将源标签 ID 1–150 转换为连续的训练 ID 0–149，并将忽略标签映射为 255。

为什么 ADE20K 使用 label_mapping？

ADE20K 标注掩码存储源标签 ID，其中 0 表示忽略或背景类。label_mapping 部分将有效的 1 到 150 标签映射为连续的训练 ID 0 到 149，并将 255 分配给忽略的像素，以便在训练和验证期间将其从损失函数和评估指标中排除。

Contributors
在 GitHub 上编辑此页面 (EN)
LALaughing-q1

评论