ภูมิทัศน์เมือง

  • 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 - 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

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

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

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