امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

مناظر شهری

  • توضیحات :

Cityscapes یک مجموعه داده متشکل از صحنه های متنوع خیابان های شهری در 50 شهر مختلف در زمان های مختلف سال و همچنین حقایق زمینی برای چندین کار بینایی از جمله تقسیم بندی معنایی ، تقسیم بندی سطح نمونه (TODO) و استنتاج اختلاف جفت استریو است.

برای کارهای تقسیم بندی (تقسیم پیش فرض ، قابل دسترسی از طریق "cityscapes / semantic_segmentation") ، Cityscapes حاشیه نویسی متراکم در سطح پیکسل را برای 5000 تصویر در قطعنامه 1024 * 2048 پیش از تقسیم به آموزش (2975) ، اعتبار سنجی (500) و آزمون (1525) فراهم می کند. حاشیه نویسی برچسب برای کارهای تقسیم بندی در بیش از 30 کلاس است که معمولاً در هنگام درک صحنه رانندگی مشاهده می شوند. اطلاعات دقیق برچسب را می توانید در اینجا پیدا کنید: https://github.com/mcordts/cityscapesScripts/blob/master/cityscapesscripts/helpers/labels.py#L52-L99

Cityscapes همچنین حاشیه نویسی تقسیم بندی دانه درشت (قابل دسترسی از طریق "cityscapes / semantic_segmentation_extra") را برای تصاویر 19998 در تقسیم "train_extra" ارائه می دهد که ممکن است برای مدل های پیش آموزش / سنگین داده مفید باشد.

علاوه بر تقسیم بندی ، منظره های شهری همچنین جفت تصویر استریو و حقایق زمینی را برای وظایف استنتاج اختلاف در تقسیمات عادی و اضافی فراهم می کند (به ترتیب از طریق "cityscapes / stereo_disparity" و "cityscapes / stereo_disparity_extra").

نمونه های معطر:

  • برای 'cityscapes / stereo_disparity_extra':
    • troisdorf_000000 000073 {*} تصاویر (بدون نقشه اختلاف وجود دارد)
  • صفحه اصلی : https://www.cityscapes-dataset.com

  • کد منبع : tfds.image.Cityscapes

  • نسخه ها :

    • 1.0.0 (پیش فرض): بدون یادداشت انتشار.
  • اندازه بارگیری : Unknown size

  • دستورالعمل های بارگیری دستی : برای این مجموعه داده لازم است که داده های منبع را به صورت دستی در download_config.manual_dir (به طور پیش فرض ~/tensorflow_datasets/downloads/manual/ ):
    شما باید فایل ها را از https://www.cityscapes-dataset.com/login/ بارگیری کنید (این مجموعه داده نیاز به ثبت دارد). برای پیکربندی اساسی (تقسیم بندی_معنائی) باید "leftImg8bit_trainvaltest.zip" و "gtFine_trainvaltest.zip" را بارگیری کنید. سایر تنظیمات به پرونده های اضافی نیاز دارند - لطفاً برای جزئیات بیشتر کد را مشاهده کنید.

  • ذخیره خودکار ( مستندات ): خیر

  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@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 (پیکربندی پیش فرض)

  • شرح پیکربندی : مجموعه داده های تقسیم بندی معنایی Cityscapes.

  • اندازه مجموعه داده : 10.86 GiB

  • تقسیم :

شکاف مثال ها
'test' 1،525
'train' 2،975
'validation' 500
  • ویژگی ها :
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),
})

مناظر شهری / تقسیم بندی_ معنایی_ اضافی

  • شرح پیکربندی : مجموعه داده های تقسیم بندی معنایی Cityscapes با تقسیم train_extra و برچسب های درشت.

  • اندازه مجموعه داده : 51.92 GiB

  • تقسیم :

شکاف مثال ها
'train' 2،975
'train_extra' 19998
'validation' 500
  • ویژگی ها :
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),
})

مناظر شهری / ناهمسانی استریو

  • شرح پیکربندی : مجموعه تصاویر استریو Cityscapes و نقشه های عدم اختلاف.

  • اندازه مجموعه داده : 25.03 GiB

  • تقسیم :

شکاف مثال ها
'test' 1،525
'train' 2،975
'validation' 500
  • ویژگی ها :
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),
})

مناظر شهری / استریو_ ناهماهنگی_ اضافی

  • توضیحات پیکربندی : تصویر استریو Cityscapes و مجموعه داده های نقشه های عدم اختلاف با تقسیم train_extra.

  • اندازه مجموعه داده : 119.18 GiB

  • تقسیم :

شکاف مثال ها
'train' 2،975
'train_extra' 19997
'validation' 500
  • ویژگی ها :
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),
})