Cityscapes数据集的深度完整解析

cityscapes数据集是分割模型训练时比较常用的一个数据集,他还可以用来训练GAN网络生成街景图片。数据集下载和文件夹组成:- 整个数据集包含50个欧洲城市,5000张精细标注图像(标注位于gtFine文件夹,2975张train(就是这部分图像用来训练),500张val,1525张test,19个分类类别),以及20000张非精细标注图像(标注位于gtCoarse文件夹),源图大小都是1024x2048(hxw)- 数据集下载一般有2-3个包,分别对应2-3个文件夹,即如下:- le
摘要由CSDN通过智能技术生成

cityscapes数据集是分割模型训练时比较常用的一个数据集,他还可以用来训练GAN网络生成街景图片。

数据集下载和文件夹组成:

- 整个数据集包含50个欧洲城市,5000张精细标注图像(标注位于gtFine文件夹,2975张train(就是这部分图像用来训练),500张val,1525张test,19个分类类别),以及20000张非精细标注图像(标注位于gtCoarse文件夹),源图大小都是1024x2048(hxw)

- 数据集下载一般有2-3个包,分别对应2-3个文件夹,即如下:

- leftImg8bit(11G),放置训练源图,按城市分子文件夹,存放png图片

- gtFine(241M),放置精细标注文件,按城市分子文件夹,存放png/json文件

- gtCoarse(1.3G),放置非精细标注的文件(该文件夹不是必须,可不使用)

- cityscapesscripts,放置处理脚本(该文件夹不是必须,可不使用)

 

- 文件夹leftImg8bit:先分train/val/test三个文件夹,每个文件夹下又按城市分子文件夹,每个城市文件夹下就是源图png文件。

- 文件夹gtFine:先分train(18个城市)/val(3个城市)/test(6个城市)三个文件夹,每个文件夹下又按城市分子文件夹,每个城市文件夹下针对每张源图png文件对应了6张标注文件:

- xxx_gtFine_color.png 代表可视化的分割图,一般不用

- xxx_gtFine_instanceIds.png 代表实例分割标注文件

- xxx_gtFine_instanceTrainIds.png 代表实例

- xxx_gtFine_labelIds.png 代表每个实例的标签id标注

- xxx_gtFine_labelTrainIds.png

- xxx_gtFine_polygons.json

- 文件夹cityscapesscript:包含一些支持脚本/可视化脚本

 

标注文件解析:所有标注文件都在gtFine文件夹下

  • 24
    点赞
  • 100
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
Cityscapes数据集是一个被广泛应用于计算机视觉领域深度估计任务的数据集。该数据集包含了来自德国各个城市的街景图片,每张图片都经过了精细的标注,包括像素级的语义分割标注和深度信息标注。在深度估计任务中,我们需要利用训练集中提供的街景图片和对应的深度信息,来训练模型从新的街景图片中预测出每个像素点的深度值。 深度估计是计算机视觉领域的重要任务,它在自动驾驶、增强现实、智能交通等方面有着广泛的应用。而Cityscapes数据集由于其高质量的标注和多样化的场景,成为了研究者们进行深度估计算法研究和评估的首选数据集之一。 针对Cityscapes数据集深度估计任务,研究者们通常会采用基于卷积神经网络(CNN)的方法。他们首先会利用训练集中的图片和深度信息,来训练一个CNN模型。然后,他们会利用测试集的街景图片,通过已训练的模型来预测每个像素点的深度值。最后,他们会通过与真实的深度信息进行比较,来评估模型的性能。 Cityscapes数据集深度估计任务,对于模型的准确性、鲁棒性和泛化能力提出了很高的要求。因此,研究者们需要不断地改进模型结构、优化训练策略,并通过大量实验来验证他们的方法。通过在Cityscapes数据集上进行深度估计任务的研究,我们可以不断地推动计算机视觉领域在深度信息处理方面的发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值