BSDS500图像分割数据集下载与使用指南：从数据获取到实战应用

1次阅读

共计 2200 个字符，预计需要花费 6 分钟才能阅读完成。

BSDS500（Berkeley Segmentation Dataset 500）是计算机视觉领域广泛使用的经典图像分割数据集，由加州大学伯克利分校于 2011 年发布。它包含 500 张自然图像（200 训练集 +100 验证集 +200 测试集），每张图像由 5 -10 名人类标注者手工标注了物体边界和区域分割结果。

核心特点 ：
多标注者标注带来的标注不确定性
包含灰度图和彩色图（481×321 或 321×481 分辨率）
适用于传统图像分割算法和深度学习模型验证
典型应用 ：
图像边缘检测算法开发
语义分割模型预训练
分割算法评估指标（如 F -measure）测试

访问伯克利官网：https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html
找到 ”BSDS300/500 dataset” 部分（注意 300 是旧版本）
点击下载链接（约 1.2GB 压缩包）

当官网下载速度慢时，可尝试：
– 清华镜像：https://mirrors.tuna.tsinghua.edu.cn/…（需自行查找最新路径）
– Kaggle 数据集：https://www.kaggle.com/datasets/…

断点续传 ：建议使用 wget 或迅雷等支持断点续传的工具
```
wget -c [下载链接]
```
解压密码 ：部分镜像可能要求密码，通常是 ”vision.berkeley.edu”

目录校验 ：解压后应包含以下文件夹：

BSDS500/
├── human/ 
├── images/
└── groundTruth/

BSDS500/
│
├── images/         # 原始图像
│   ├── train/      # 训练集 200 张
│   ├── val/        # 验证集 100 张
│   └── test/       # 测试集 200 张
│
├── groundTruth/    # 标注数据
│   ├── train/
│   ├── val/
│   └── test/
│
└── human/          # 人工标注原始数据

标注文件为.mat 格式（MATLAB 数据文件），每个文件包含：

boundaries：NxHxW 逻辑数组，N 个标注者的边缘标注
segmentation：NxHxW 数组，N 个标注者的区域分割

!pip install opencv-python scipy matplotlib

import cv2
import scipy.io
import matplotlib.pyplot as plt
import numpy as np

# 加载示例图像和标注
def load_sample(img_id=260058):
    img_path = f'BSDS500/images/test/{img_id}.jpg'
    gt_path = f'BSDS500/groundTruth/test/{img_id}.mat'

    # 读取图像
    img = cv2.cvtColor(cv2.imread(img_path), cv2.COLOR_BGR2RGB)

    # 读取标注
    gt = scipy.io.loadmat(gt_path)['groundTruth'][0]

    # 合并多个标注者的边缘检测结果
    edge_maps = [gt[i]['Boundaries'][0][0] for i in range(len(gt))]
    combined_edges = np.max(np.stack(edge_maps), axis=0)

    return img, combined_edges

# 可视化
img, edges = load_sample()
plt.figure(figsize=(12,6))

plt.subplot(121)
plt.imshow(img)
plt.title('Original Image')

plt.subplot(122)
plt.imshow(edges, cmap='gray')
plt.title('Combined Edge Map')

plt.tight_layout()
plt.show()