ภูมิทัศน์เมือง

คำเตือน: ต้องดาวน์โหลดด้วยตนเอง ดูคำแนะนำด้านล่าง

• 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)

คำเตือน: ชุดข้อมูลนี้ต้องการให้ผู้ใช้ตั้งค่าการเข้าสู่ระบบและรหัสผ่านเพื่อรับไฟล์

• 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 - โปรดดูรหัสสำหรับรายละเอียดเพิ่มเติม

• แคชอัตโนมัติ ( 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 ):