נופי עיר

אזהרה: נדרשת הורדה ידנית. ראה הוראות למטה.

• תיאור :

Cityscapes הוא מערך נתונים המורכב מסצנות רחוב אורבניות מגוונות על פני 50 ערים שונות בתקופות שונות של השנה וכן אמיתות יסוד עבור מספר משימות ראייה כולל פילוח סמנטי, פילוח רמות מופע (TODO) והסקת פערי זוג סטריאו.

עבור משימות פילוח (פיצול ברירת מחדל, נגיש דרך 'נוף עירוני/סגמנטציה_סמנטית'), Cityscapes מספק הערות ברמת פיקסלים צפופה עבור 5000 תמונות ברזולוציה של 1024*2048 מפוצלת מראש לקבוצות אימון (2975), אימות (500) ובדיקות (1525). הערות תווית למשימות פילוח משתרעות על פני 30+ כיתות שבהן נתקלים בדרך כלל במהלך תפיסת סצנת נהיגה. מידע מפורט על תווית ניתן למצוא כאן: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99

Cityscapes מספקת גם הערות לפילוח גרגרים גס (נגישים דרך 'cityscapes/semantic_segmentation_extra') עבור תמונות משנת 19998 בפיצול 'train_extra' שעשוי להיות שימושי עבור מודלים מוקדמים/עתירי נתונים.

מלבד פילוח, נופים עירוניים מספקים גם צמדי תמונות סטריאו ואמיתות קרקע למשימות מסקנות שונות הן בחלוקה הרגילה והן בפיצול הנוסף (נגיש דרך 'נופי עיר/סטריאו_דיפריטי' ו-'נוף עירוני/סטריאו_דיפריטי_אקסטרה' בהתאמה).

דוגמאות אינגורד:

• עבור 'נופי עיר/סטריאו_disparity_extra':
  • troisdorf_000000 000073 {*} תמונות (אין מפת פערים קיימת)

אזהרה: מערך נתונים זה דורש מהמשתמשים להגדיר פרטי כניסה וסיסמה כדי לקבל את הקבצים.

• תיעוד נוסף : חקור על ניירות עם קוד

• דף הבית : https://www.cityscapes-dataset.com

• קוד מקור : tfds.datasets.cityscapes.Builder

• גרסאות :

  • 1.0.0 (ברירת מחדל): אין הערות שחרור.

• גודל הורדה : Unknown size

• הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל download_config.manual_dir (ברירת המחדל היא ~/tensorflow_datasets/downloads/manual/ ):
  עליך להוריד קבצים מ- https://www.cityscapes-dataset.com/login/ (מערך נתונים זה דורש רישום). עבור תצורה בסיסית (semantic_segmentation) עליך להוריד את 'leftImg8bit_trainvaltest.zip' ו-'gtFine_trainvaltest.zip'. הגדרות אחרות אכן דורשות קבצים נוספים - אנא עיין בקוד לפרטים נוספים.

• שמירה אוטומטית במטמון ( תיעוד ): לא

• מפתחות בפיקוח (ראה as_supervised doc ): None

• איור ( tfds.show_examples ): לא נתמך.

• ציטוט :

@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}
}

נופי עיר/סגמנטציה_סמנטית (תצורת ברירת מחדל)

• תיאור תצורה : מערך נתונים של פילוח סמנטי של נופי עיר.

• גודל מערך נתונים : 10.86 GiB

• פיצולים :

לְפַצֵל	דוגמאות
'test'	1,525
'train'	2,975
'validation'	500

• מבנה תכונה :

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),
})

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
image_id	טֶקסט		חוּט
תמונה_שמאלה	תמונה	(1024, 2048, 3)	uint8
segmentation_label	תמונה	(1024, 2048, 1)	uint8

• דוגמאות ( tfds.as_dataframe ):

נופי עיר/סימנטציה_סמנטית

• תיאור תצורה : מערך נתונים של פילוח סמנטי של נוף עירוני עם פיצול train_extra ותוויות גסות.

• גודל מערך נתונים : 51.92 GiB

• פיצולים :

לְפַצֵל	דוגמאות
'train'	2,975
'train_extra'	19,998
'validation'	500

• מבנה תכונה :

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),
})

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
image_id	טֶקסט		חוּט
תמונה_שמאלה	תמונה	(1024, 2048, 3)	uint8
segmentation_label	תמונה	(1024, 2048, 1)	uint8

• דוגמאות ( tfds.as_dataframe ):

נופי עיר/פער_סטריאו

• תיאור תצורה : מערך נתונים של תמונת סטריאו של נופי עיר ומפות פערים.

• גודל מערך נתונים : 25.03 GiB

• פיצולים :

לְפַצֵל	דוגמאות
'test'	1,525
'train'	2,975
'validation'	500

• מבנה תכונה :

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),
})

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
disparity_map	תמונה	(1024, 2048, 1)	uint8
image_id	טֶקסט		חוּט
תמונה_שמאלה	תמונה	(1024, 2048, 3)	uint8
תמונה_ימין	תמונה	(1024, 2048, 3)	uint8

• דוגמאות ( tfds.as_dataframe ):

נופים עירוניים/סטריאו_disparity_extra

• תיאור תצורה : תמונת סטריאו של נופי עיר ומערך נתונים של מפות פערים עם פיצול train_extra.

• גודל מערך נתונים : 119.18 GiB

• פיצולים :

לְפַצֵל	דוגמאות
'train'	2,975
'train_extra'	19,997
'validation'	500

• מבנה תכונה :

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),
})

• תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype	תיאור
	FeaturesDict
disparity_map	תמונה	(1024, 2048, 1)	uint8
image_id	טֶקסט		חוּט
תמונה_שמאלה	תמונה	(1024, 2048, 3)	uint8
תמונה_ימין	תמונה	(1024, 2048, 3)	uint8

• דוגמאות ( tfds.as_dataframe ):