- Описание :
Cityscapes — это набор данных, состоящий из разнообразных городских уличных сцен в 50 разных городах в разное время года, а также наземных истин для нескольких задач зрения, включая семантическую сегментацию, сегментацию на уровне экземпляра (TODO) и вывод о несоответствии стереопары.
Для задач сегментации (разделение по умолчанию, доступное через «cityscapes/semantic_segmentation») Cityscapes предоставляет плотные аннотации на уровне пикселей для 5000 изображений с разрешением 1024 * 2048, предварительно разделенных на обучающие (2975), проверочные (500) и тестовые (1525) наборы. Аннотации меток для задач сегментации охватывают более 30 классов, обычно встречающихся при восприятии сцены вождения. Подробную информацию о ярлыках можно найти здесь: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99 .
Cityscapes также предоставляет аннотации грубой сегментации (доступные через «cityscapes/semantic_segmentation_extra») для 19998 изображений в разделении «train_extra», которые могут оказаться полезными для моделей предварительной подготовки/объемных данных.
Помимо сегментации, городские пейзажи также предоставляют пары стереоизображений и наземные истины для задач вывода о несоответствии как на обычных, так и на дополнительных разбиениях (доступных через «cityscapes/stereo_disparity» и «cityscapes/stereo_disparity_extra» соответственно).
Ингорированные примеры:
- Для «городских пейзажей/stereo_disparity_extra»:
- troisdorf_000000 000073 {*} изображений (карта несоответствий отсутствует)
Дополнительная документация : изучить документы с кодом
Домашняя страница : https://www.cityscapes-dataset.com
Исходный код :
tfds.datasets.cityscapes.Builder
Версии :
-
1.0.0
(по умолчанию): нет примечаний к выпуску.
-
Размер загрузки :
Unknown size
Инструкции по ручной загрузке : этот набор данных требует, чтобы вы загружали исходные данные вручную в
download_config.manual_dir
(по умолчанию~/tensorflow_datasets/downloads/manual/
):
Вы должны загрузить файлы с https://www.cityscapes-dataset.com/login/ (для этого набора данных требуется регистрация). Для базовой конфигурации (semantic_segmentation) необходимо скачать 'leftImg8bit_trainvaltest.zip' и 'gtFine_trainvaltest.zip'. Для других конфигураций требуются дополнительные файлы — см. код для более подробной информации.Автоматическое кэширование ( документация ): Нет
Ключи под наблюдением (см . документ
as_supervised
):None
Рисунок ( tfds.show_examples ): не поддерживается.
Цитата :
@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}
}
citys/semantic_segmentation (конфигурация по умолчанию)
Описание конфигурации : набор данных семантической сегментации Cityscapes.
Размер набора данных :
10.86 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'test' | 1525 |
'train' | 2975 |
'validation' | 500 |
- Структура функции :
FeaturesDict({
'image_id': Text(shape=(), dtype=string),
'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
image_id | Текст | нить | ||
image_left | Изображение | (1024, 2048, 3) | uint8 | |
метка_сегментации | Изображение | (1024, 2048, 1) | uint8 |
- Примеры ( tfds.as_dataframe ):
городские пейзажи/semantic_segmentation_extra
Описание конфигурации : набор данных семантической сегментации Cityscapes с разделением train_extra и грубыми метками.
Размер набора данных :
51.92 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 2975 |
'train_extra' | 19 998 |
'validation' | 500 |
- Структура функции :
FeaturesDict({
'image_id': Text(shape=(), dtype=string),
'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
'segmentation_label': Image(shape=(1024, 2048, 1), dtype=uint8),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
image_id | Текст | нить | ||
image_left | Изображение | (1024, 2048, 3) | uint8 | |
метка_сегментации | Изображение | (1024, 2048, 1) | uint8 |
- Примеры ( tfds.as_dataframe ):
городские пейзажи/stereo_disparity
Описание конфигурации : Стереоизображение городских пейзажей и набор данных карт несоответствий.
Размер набора данных :
25.03 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'test' | 1525 |
'train' | 2975 |
'validation' | 500 |
- Структура функции :
FeaturesDict({
'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
'image_id': Text(shape=(), dtype=string),
'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
несоответствие_карта | Изображение | (1024, 2048, 1) | uint8 | |
image_id | Текст | нить | ||
image_left | Изображение | (1024, 2048, 3) | uint8 | |
image_right | Изображение | (1024, 2048, 3) | uint8 |
- Примеры ( tfds.as_dataframe ):
городские пейзажи/stereo_disparity_extra
Описание конфигурации : Стереоизображение городских пейзажей и набор данных карт несоответствий с разделением train_extra.
Размер набора данных :
119.18 GiB
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 2975 |
'train_extra' | 19 997 |
'validation' | 500 |
- Структура функции :
FeaturesDict({
'disparity_map': Image(shape=(1024, 2048, 1), dtype=uint8),
'image_id': Text(shape=(), dtype=string),
'image_left': Image(shape=(1024, 2048, 3), dtype=uint8),
'image_right': Image(shape=(1024, 2048, 3), dtype=uint8),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
несоответствие_карта | Изображение | (1024, 2048, 1) | uint8 | |
image_id | Текст | нить | ||
image_left | Изображение | (1024, 2048, 3) | uint8 | |
image_right | Изображение | (1024, 2048, 3) | uint8 |
- Примеры ( tfds.as_dataframe ):