Sintonizar con las primeras mujeres en ML Simposio este martes, 19 de octubre a 09 a.m. PST Registrar ahora

paisajes urbanos

  • Descripción:

Paisajes urbanos es un conjunto de datos que consta de diversas escenas de calles urbanas en 50 ciudades diferentes en diferentes épocas del año, así como verdades del terreno para varias tareas de visión, incluida la segmentación semántica, la segmentación a nivel de instancia (TODO) y la inferencia de disparidad de pares estéreo.

Para las tareas de segmentación (división predeterminada, accesible a través de 'cityscapes / semantic_segmentation'), Cityscapes proporciona anotaciones densas a nivel de píxeles para 5000 imágenes a una resolución de 1024 * 2048 previamente divididas en conjuntos de entrenamiento (2975), validación (500) y prueba (1525). Las anotaciones de etiquetas para tareas de segmentación abarcan más de 30 clases que se encuentran comúnmente durante la percepción de la escena de conducción. La información detallada etiqueta puede encontrar aquí: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99

Cityscapes también proporciona anotaciones de segmentación de grano grueso (accesibles a través de 'cityscapes / semantic_segmentation_extra') para imágenes de 19998 en una división 'train_extra' que puede resultar útil para modelos de preentrenamiento / datos pesados.

Además de la segmentación, los paisajes urbanos también proporcionan pares de imágenes estéreo y verdades terrestres para tareas de inferencia de disparidad tanto en las divisiones normales como en las extra (accesibles a través de 'cityscapes / stereo_disparity' y 'cityscapes / stereo_disparity_extra' respectivamente).

Ejemplos incluidos:

  • Para 'paisajes urbanos / stereo_disparity_extra':
    • troisdorf_000000 000073} {* imágenes (sin mapa de disparidad presente)
  • Inicio: https://www.cityscapes-dataset.com

  • El código fuente: tfds.image.Cityscapes

  • versiones:

    • 1.0.0 (por defecto): No hay notas de la versión.
  • Tamaño del paquete: Unknown size

  • Las instrucciones de descarga manual: Este conjunto de datos se requiere para descargar los datos de origen manualmente en download_config.manual_dir (por defecto ~/tensorflow_datasets/downloads/manual/ ):
    Usted tiene que descargar archivos desde https://www.cityscapes-dataset.com/login/ (Este conjunto de datos requiere registro). Para la configuración básica (semantic_segmentation) debe descargar 'leftImg8bit_trainvaltest.zip' y 'gtFine_trainvaltest.zip'. Otras configuraciones requieren archivos adicionales; consulte el código para obtener más detalles.

  • Auto-caché ( documentación ): No

  • Claves supervisadas (Ver as_supervised doc ): None

  • Figura ( tfds.show_examples ): No soportado.

  • Cita:

@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 (configuración predeterminada)

  • Descripción config: paisajes urbanos segmentación semántica conjunto de datos.

  • Tamaño de conjunto de datos: 10.86 GiB

  • Fraccionamientos:

Separar Ejemplos de
'test' 1,525
'train' 2,975
'validation' 500
  • características:
FeaturesDict({
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})

paisajes urbanos / semantic_segmentation_extra

  • Descripción config: paisajes urbanos conjunto de datos de segmentación semántica con split train_extra y etiquetas gruesas.

  • Tamaño de conjunto de datos: 51.92 GiB

  • Fraccionamientos:

Separar Ejemplos de
'train' 2,975
'train_extra' 19.998
'validation' 500
  • características:
FeaturesDict({
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'segmentation_label': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
})

paisajes urbanos / stereo_disparity

  • Descripción config: imagen estéreo de paisajes urbanos y la disparidad mapas conjunto de datos.

  • Tamaño de conjunto de datos: 25.03 GiB

  • Fraccionamientos:

Separar Ejemplos de
'test' 1,525
'train' 2,975
'validation' 500
  • características:
FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
})

paisajes urbanos / stereo_disparity_extra

  • Descripción config: imagen estéreo de paisajes urbanos y la disparidad conjunto de datos con mapas train_extra dividida.

  • Tamaño de conjunto de datos: 119.18 GiB

  • Fraccionamientos:

Separar Ejemplos de
'train' 2,975
'train_extra' 19.997
'validation' 500
  • características:
FeaturesDict({
    'disparity_map': Image(shape=(1024, 2048, 1), dtype=tf.uint8),
    'image_id': Text(shape=(), dtype=tf.string),
    'image_left': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
    'image_right': Image(shape=(1024, 2048, 3), dtype=tf.uint8),
})