- คำอธิบาย :
Cityscapes เป็นชุดข้อมูลที่ประกอบด้วยฉากท้องถนนในเมืองที่หลากหลายในเมืองต่างๆ 50 เมืองในช่วงเวลาต่างๆ กันของปี รวมถึงความจริงพื้นฐานสำหรับงานด้านการมองเห็นหลายอย่าง เช่น การแบ่งส่วนความหมาย การแบ่งส่วนระดับอินสแตนซ์ (TODO) และการอนุมานความต่างของคู่สเตอริโอ
สำหรับงานแบ่งกลุ่ม (การแยกเริ่มต้น เข้าถึงได้ผ่าน 'cityscapes/semantic_segmentation') Cityscapes มอบคำอธิบายประกอบระดับพิกเซลหนาแน่นสำหรับรูปภาพ 5,000 ภาพที่ความละเอียด 1024 * 2048 ก่อนแยกเป็นชุดการฝึกอบรม (2975) การตรวจสอบความถูกต้อง (500) และการทดสอบ (1525) คำอธิบายประกอบฉลากสำหรับงานแบ่งส่วนครอบคลุมกว่า 30 คลาสที่มักพบระหว่างการรับรู้ฉากการขับขี่ สามารถดูข้อมูลฉลากโดยละเอียดได้ที่นี่: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99
Cityscapes ยังมีคำอธิบายประกอบการแบ่งส่วนเกรนแบบหยาบ (เข้าถึงได้ผ่าน 'cityscapes/semantic_segmentation_extra') สำหรับภาพ 19998 ในส่วนแยก 'train_extra' ซึ่งอาจพิสูจน์ได้ว่ามีประโยชน์สำหรับแบบจำลองที่เตรียมการล่วงหน้า/ข้อมูลจำนวนมาก
นอกจากการแบ่งส่วนแล้ว ภาพทิวทัศน์ของเมืองยังให้คู่ภาพสเตอริโอและความจริงพื้นฐานสำหรับงานอนุมานความแตกต่างทั้งในส่วนแยกปกติและแยกพิเศษ (เข้าถึงได้ผ่าน
ตัวอย่างที่ฝัง:
- สำหรับ 'ทิวทัศน์เมือง/stereo_disparity_extra':
- troisdorf_000000 000073 {*} ภาพ (ไม่มีแผนที่ความแตกต่างในปัจจุบัน)
เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส
หน้าแรก : https://www.cityscapes-dataset.com
รหัสแหล่งที่มา :
tfds.datasets.cityscapes.Builder
รุ่น :
-
1.0.0
(ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น
-
ขนาดการดาวน์โหลด :
Unknown size
คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน
download_config.manual_dir
(ค่าเริ่มต้นเป็น~/tensorflow_datasets/downloads/manual/
):
คุณต้องดาวน์โหลดไฟล์จาก https://www.cityscapes-dataset.com/login/ (ชุดข้อมูลนี้ต้องลงทะเบียน) สำหรับการกำหนดค่าพื้นฐาน (semantic_segmentation) คุณต้องดาวน์โหลด 'leftImg8bit_trainvaltest.zip' และ 'gtFine_trainvaltest.zip' การกำหนดค่าอื่น ๆ ต้องใช้ไฟล์เพิ่มเติม - โปรดดูรหัสสำหรับรายละเอียดเพิ่มเติมแคชอัตโนมัติ ( เอกสารประกอบ ): ไม่
คีย์ภายใต้การดูแล (ดู
as_supervised
doc ):None
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
การอ้างอิง :
@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}
}
cityscapes/semantic_segmentation (การกำหนดค่าเริ่มต้น)
คำอธิบาย การกำหนดค่า : ชุดข้อมูลการแบ่งเซ็กเมนต์เชิงความหมายของ Cityscapes
ขนาดชุดข้อมูล :
10.86 GiB
แยก :
แยก | ตัวอย่าง |
---|---|
'test' | 1,525 |
'train' | 2,975 |
'validation' | 500 |
- โครงสร้างคุณลักษณะ :
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),
})
- เอกสารคุณสมบัติ :
ลักษณะเฉพาะ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
อิมเมจ_ไอดี | ข้อความ | สตริง | ||
image_left | ภาพ | (1024, 2048, 3) | uint8 | |
segmentation_label | ภาพ | (1024, 2048, 1) | uint8 |
- ตัวอย่าง ( tfds.as_dataframe ):
ภาพทิวทัศน์ของเมือง/semantic_segmentation_extra
คำอธิบาย การกำหนดค่า : ชุดข้อมูลการแบ่งเซ็กเมนต์เชิงความหมายของ Cityscapes พร้อมป้ายกำกับ train_extra แยกและหยาบ
ขนาดชุดข้อมูล :
51.92 GiB
แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 2,975 |
'train_extra' | 19,998 |
'validation' | 500 |
- โครงสร้างคุณลักษณะ :
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),
})
- เอกสารคุณสมบัติ :
ลักษณะเฉพาะ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
อิมเมจ_ไอดี | ข้อความ | สตริง | ||
image_left | ภาพ | (1024, 2048, 3) | uint8 | |
segmentation_label | ภาพ | (1024, 2048, 1) | uint8 |
- ตัวอย่าง ( tfds.as_dataframe ):
ภาพทิวทัศน์ของเมือง/stereo_disparity
คำอธิบาย การกำหนดค่า : ภาพสเตอริโอ Cityscapes และชุดข้อมูลแผนที่ความเหลื่อมล้ำ
ขนาดชุดข้อมูล :
25.03 GiB
แยก :
แยก | ตัวอย่าง |
---|---|
'test' | 1,525 |
'train' | 2,975 |
'validation' | 500 |
- โครงสร้างคุณลักษณะ :
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),
})
- เอกสารคุณสมบัติ :
ลักษณะเฉพาะ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
disparity_map | ภาพ | (1024, 2048, 1) | uint8 | |
อิมเมจ_ไอดี | ข้อความ | สตริง | ||
image_left | ภาพ | (1024, 2048, 3) | uint8 | |
image_right | ภาพ | (1024, 2048, 3) | uint8 |
- ตัวอย่าง ( tfds.as_dataframe ):
ภาพทิวทัศน์ของเมือง/stereo_disparity_extra
คำอธิบาย การกำหนดค่า : ภาพสเตอริโอ Cityscapes และชุดข้อมูลแผนที่ความแตกต่างพร้อมการแยก train_extra
ขนาดชุดข้อมูล :
119.18 GiB
แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 2,975 |
'train_extra' | 19,997 |
'validation' | 500 |
- โครงสร้างคุณลักษณะ :
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),
})
- เอกสารคุณสมบัติ :
ลักษณะเฉพาะ | ระดับ | รูปร่าง | Dประเภท | คำอธิบาย |
---|---|---|---|---|
คุณสมบัติDict | ||||
disparity_map | ภาพ | (1024, 2048, 1) | uint8 | |
อิมเมจ_ไอดี | ข้อความ | สตริง | ||
image_left | ภาพ | (1024, 2048, 3) | uint8 | |
image_right | ภาพ | (1024, 2048, 3) | uint8 |
- ตัวอย่าง ( tfds.as_dataframe ):