YOLOv8 cityscapes城市道路语义分割

YOLOv8_cityscapes项目说明

阐述了如何将Cityscapes[1]数据集应用于YOLOv8[2]语义分割任务的技术方案。

核心特性
鉴于原始数据集格式的兼容性问题，本项目实现了数据格式的转换处理流程：

1. 数据格式转换需求：

• Cityscapes数据集默认采用图像坐标系下的多边形标注方式
• YOLOv8要求使用归一化坐标系下的多边形分割标注格式
  

2. 转换处理流程：

• 将Cityscapes的JSON标注文件转换为.txt格式
• 过滤删除标签值为255的无效标注条目
• 统一图像文件与标注文件的命名规范
• 在数据集根目录创建data.yaml配置文件，明确指定：
  • 训练集/验证集/测试集路径
  • 有效标签类别数值

类别

nc: 19  # Number of classes in the Cityscapes dataset used for training

names: [
  'road',            # Class ID 0
  'sidewalk',        # Class ID 1
  'building',        # Class ID 2
  'wall',            # Class ID 3
  'fence',           # Class ID 4
  'pole',            # Class ID 5
  'traffic light',   # Class ID 6
  'traffic sign',    # Class ID 7
  'vegetation',      # Class ID 8
  'terrain',         # Class ID 9
  'sky',             # Class ID 10
  'person',          # Class ID 11
  'rider',           # Class ID 12
  'car',             # Class ID 13
  'truck',           # Class ID 14
  'bus',             # Class ID 15
  'train',           # Class ID 16
  'motorcycle',      # Class ID 17
  'bicycle'          # Class ID 18
]

命令行指令
python convert.py <annotation_folder_path>

演示案例
result_example目录包含基于Cityscapes数据子集训练的模型文件，并提供示例图像展示YOLOv8模型的数据输入格式要求。实际训练建议使用完整数据集。

训练成果应用：
已将训练模型成功应用于Cityscapes街景视频分析，效果展示如下：
[此处应插入GIF动态演示图]

数据使用规范
本项目的Cityscapes数据集使用需遵守以下规定：

1. 使用限制：仅限非商业用途
2. 引用要求：必须标明Cityscapes数据集来源
3. 衍生条款：任何数据修改或衍生作品需遵循相同许可协议
   

（注：实际翻译时"alt text"作为占位符可不译，GIF动态图需替换为实际演示内容。技术术语如"normalized coordinates"保持专业译法"归一化坐标系"，“semantic segmentation"统一译为"语义分割”。）