городские пейзажи

• Описание :

Cityscapes — это набор данных, состоящий из разнообразных городских уличных сцен в 50 разных городах в разное время года, а также наземных истин для нескольких задач зрения, включая семантическую сегментацию, сегментацию на уровне экземпляра (TODO) и вывод о несоответствии стереопары.

Для задач сегментации (разделение по умолчанию, доступное через «cityscapes/semantic_segmentation») Cityscapes предоставляет плотные аннотации на уровне пикселей для 5000 изображений с разрешением 1024 * 2048, предварительно разделенных на обучающие (2975), проверочные (500) и тестовые (1525) наборы. Аннотации меток для задач сегментации охватывают более 30 классов, обычно встречающихся при восприятии сцены вождения. Подробную информацию о ярлыках можно найти здесь: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99 .

Cityscapes также предоставляет аннотации грубой сегментации (доступные через «cityscapes/semantic_segmentation_extra») для 19998 изображений в разделении «train_extra», которые могут оказаться полезными для моделей предварительной подготовки/объемных данных.

Помимо сегментации, городские пейзажи также предоставляют пары стереоизображений и наземные истины для задач вывода о несоответствии как на обычных, так и на дополнительных разбиениях (доступных через «cityscapes/stereo_disparity» и «cityscapes/stereo_disparity_extra» соответственно).

Ингорированные примеры:

• Для «городских пейзажей/stereo_disparity_extra»:
  • troisdorf_000000 000073 {*} изображений (карта несоответствий отсутствует)

• Дополнительная документация : изучить документы с кодом north_east

• Домашняя страница : https://www.cityscapes-dataset.com

• Исходный код : tfds.datasets.cityscapes.Builder

• Версии :

  • 1.0.0 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : Unknown size

• Инструкции по ручной загрузке : этот набор данных требует, чтобы вы загружали исходные данные вручную в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
  Вы должны загрузить файлы с https://www.cityscapes-dataset.com/login/ (для этого набора данных требуется регистрация). Для базовой конфигурации (semantic_segmentation) необходимо скачать 'leftImg8bit_trainvaltest.zip' и 'gtFine_trainvaltest.zip'. Для других конфигураций требуются дополнительные файлы — см. код для более подробной информации.

• Автоматическое кэширование ( документация ): Нет

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@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}
}

citys/semantic_segmentation (конфигурация по умолчанию)

• Описание конфигурации : набор данных семантической сегментации Cityscapes.

• Размер набора данных : 10.86 GiB

• Сплиты :

• Структура функции :

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),
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):

городские пейзажи/semantic_segmentation_extra

• Описание конфигурации : набор данных семантической сегментации Cityscapes с разделением train_extra и грубыми метками.

• Размер набора данных : 51.92 GiB

• Сплиты :

• Структура функции :

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),
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):

городские пейзажи/stereo_disparity

• Описание конфигурации : Стереоизображение городских пейзажей и набор данных карт несоответствий.

• Размер набора данных : 25.03 GiB

• Сплиты :

• Структура функции :

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),
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):

городские пейзажи/stereo_disparity_extra

• Описание конфигурации : Стереоизображение городских пейзажей и набор данных карт несоответствий с разделением train_extra.

• Размер набора данных : 119.18 GiB

• Сплиты :

• Структура функции :

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),
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):