Cityscapes8 数据集#
简介#
Ultralytics Cityscapes8 数据集是一个小型语义分割数据集，从 Cityscapes 数据集中采样了 8 张图像：4 张用于训练，4 张用于验证。它旨在对 YOLO 语义分割模型和训练流程进行快速测试、调试和实验。其中的城市场景内容可用于在扩展到完整 Cityscapes 数据集之前检查流程。
Cityscapes8 使用与完整 Cityscapes 数据集相同的 19 个评估类别和相同的 label_mapping 行为，并且完全兼容 YOLO26 语义分割工作流。
Cityscapes8 仅用于流程测试，不用于基准测试——其中的 8 张图像太少，无法进行有意义的 mIoU 比较。若要获得具有代表性的结果，请使用完整的 Cityscapes 验证集。
数据集结构#
Cityscapes8 的目录布局与完整数据集一致，但没有 test 划分：
cityscapes8/
├── images/
│ ├── train/ # 4 images
│ └── val/ # 4 images
└── masks/
├── train/ # 4 single-channel PNG masks
└── val/ # 4 single-channel PNG masks掩码通过 masks_dir: masks 字段与图像配对，而 label_mapping 会将源 Cityscapes 标签 ID 转换为 完整 Cityscapes 数据集结构中所述的 19 个连续训练 ID。
数据集 YAML#
Cityscapes8 数据集配置定义在数据集 YAML 文件中，其中指定了数据集路径、类别名称和其他必要元数据。你可以在 Ultralytics GitHub 仓库中查看官方的 cityscapes8.yaml 文件。该 YAML 包含小型打包子集的下载 URL。
# 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使用方法#
要在 Cityscapes8 数据集上训练 YOLO26n-sem 模型 100 个训练轮次，并将图像大小设为 1024，请使用以下示例。有关完整的训练选项列表，请参阅 YOLO 训练文档。
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)你还可以通过 Ultralytics Platform 在云端管理 Cityscapes8 并训练语义分割模型。
引用、许可证和致谢#
Cityscapes8 取样自 Cityscapes，而 Cityscapes 以自定义非商业许可发布——详情请参阅完整的 Cityscapes 数据集页面。
如果你在研究或开发中使用 Cityscapes 数据集，请引用以下论文：
@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}
}特别感谢 Cityscapes 团队持续为自动驾驶和计算机视觉社区作出的贡献。
常见问题#
Ultralytics Cityscapes8 数据集旨在对语义分割模型进行快速测试和调试。它仅包含 8 张图像（4 张用于训练，4 张用于验证），非常适合在扩展到完整的 Cityscapes 数据集之前，验证 YOLO 语义分割流程，包括掩码加载、数据增强、验证和导出路径。有关更多详细信息，请查看 Cityscapes8 YAML 配置。
Cityscapes8 从 Cityscapes 的 2,975 张训练图像/500 张验证图像划分中采样 8 张图像（4 张训练图像、4 张验证图像），使用相同的 19 个类别和
label_mapping，因此能在 Cityscapes8 上运行的流程无需修改即可在完整数据集上运行——只需将data=指向cityscapes.yaml，而不是cityscapes8.yaml。与完整数据集不同，Cityscapes8 无需手动下载，也没有test划分。你可以使用 Python 或 CLI 在 Cityscapes8 上训练 YOLO26 语义分割模型：
训练示例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)如需其他训练选项，请参阅 YOLO 训练文档。
不应该。Cityscapes8 太小，无法进行有意义的模型比较，其 предназнач用于训练和评估流程检查。需要具有代表性的语义分割基准测试结果时，请使用完整的 Cityscapes 验证集。