Dataset之Cityscapes：Cityscapes数据集的简介、下载、使用方法之详细攻略——daidingdaiding
目录
Cityscapes数据集的简介
Cityscapes数据集，包含戴姆勒在内的三家德国单位联合提供，包含50多个城市的立体视觉数据；
- 像素级标注；
- 提供算法评估接口。
提出一个新的大规模数据集,其中包含一组不同的立体视频序列中记录来自50个不同城市的街景,高质量的进行像素级的注释5 000帧除了一套较大的000 弱带注释的帧。因此，该数据集比以前类似的尝试要大一个数量级。有关已注释类的详细信息和我们的注释示例可在此网页上找到。
(1)、Cityscapes数据集的目的：
- 评价视觉算法在城市场景语义理解的主要任务中的性能:像素级、实例级、泛光语义标注;
- 支持旨在利用大量(弱)注释数据的研究，例如用于训练深度神经网络。
1、Features
Type of annotations
- Semantic
- Instance-wise
- Dense pixel annotations
Complexity
- 30 classes
- See Class Definitions for a list of all classes and have a look at the applied labeling policy.
Diversity
- 50 cities
- Several months (spring, summer, fall)
- Daytime
- Good/medium weather conditions
- Manually selected frames
- Large number of dynamic objects
- Varying scene layout
- Varying background
Volume
- 5 000 annotated images with fine annotations (examples)
- 20 000 annotated images with coarse annotations (examples)
Metadata
- Preceding and trailing video frames. Each annotated image is the 20th image from a 30 frame video snippets (1.8s)
- Corresponding right stereo views
- GPS coordinates
- Ego-motion data from vehicle odometry
- Outside temperature from vehicle sensor
Benchmark suite and evaluation server
- Pixel-level semantic labeling
- Instance-level semantic labeling
2、标签政策
被标记的前景对象不能有洞，也就是说，如果有一些背景是可见的“通过”一些前景对象，它被认为是前景的一部分。这也适用于高度混合了两个或多个类的区域:它们被用前台类标记。例如:房子前的树叶或天空(一切树木)，透明的车窗(一切汽车)。
3、Class Definitions
Please click on the individual classes for details on their definitions.
| Group | Classes |
|---|---|
| flat | road · sidewalk · parking+ · rail track+ |
| human | person* · rider* |
| vehicle | car* · truck* · bus* · on rails* · motorcycle* · bicycle* · caravan*+ · trailer*+ |
| construction | building · wall · fence · guard rail+ · bridge+ · tunnel+ |
| object | pole · pole group+ · traffic sign · traffic light |
| nature | vegetation · terrain |
| sky | sky |
| void | ground+ · dynamic+ · static+ |
Cityscapes数据集的下载
官网下载即可！
Cityscapes数据集的使用方法
1、细致的注释
下面是我们的高质量的密集的像素注释的例子为一卷000 图像。覆盖颜色编码语义类(参见类定义)。注意，流量参与者的单个实例是单独注释的。
2、粗糙的注释
除了优良的注释,我们提供一组粗多边形注释000 图像与帕拉斯合作Ludens。同样，覆盖的颜色编码语义类(参见类定义)。注意，我们的目标不是注释单个实例，但是，我们标记了覆盖单个对象的多边形。
