CamVid数据集实战指南：从数据预处理到语义分割模型训练

1次阅读

共计 2482 个字符，预计需要花费 7 分钟才能阅读完成。

CamVid（Cambridge-Driving Labeled Video Database）是自动驾驶领域经典的语义分割数据集，包含 701 张街景图像（367 训练 +101 验证 +233 测试），标注分辨率 960×720。其 32 类标签（实际常用 11 类）能有效模拟车辆对道路、行人、建筑物的识别需求。下图示意数据集典型样本：

[左图：原始街景照片 | 右图：颜色编码的标注掩码]
道路 - 灰色 天空 - 蓝色 建筑物 - 红色 植被 - 绿色

规范的数据存储结构能大幅减少预处理工作量，推荐按如下方式组织：

CamVid/
├── images/          # 原始图像
│   ├── 0001TP_006690.png
│   └── ...
├── labels/         # 标注图像
│   ├── 0001TP_006690.png
│   └── ...
└── class_dict.csv  # 类别颜色对照表

关键文件说明：

标注 PNG 使用 RGB 三通道存储类别信息，如 (128,0,0) 代表建筑物
class_dict.csv 需包含字段：class_name, r, g, b

核心任务是实现 __getitem__ 方法，将颜色编码转换为类别索引：

import torch
from PIL import Image

class CamVidDataset(torch.utils.data.Dataset):
    def __init__(self, img_dir, label_dir, class_map):
        self.img_paths = sorted(Path(img_dir).glob('*.png')) 
        self.label_paths = sorted(Path(label_dir).glob('*.png'))
        self.class_map = class_map  # {'sky': (128,128,128), ...}

    def __getitem__(self, idx):
        img = np.array(Image.open(self.img_paths[idx]))
        label = np.array(Image.open(self.label_paths[idx]))

        # 将 RGB 标注转换为类别索引矩阵
        h, w = label.shape[:2]
        class_mask = np.zeros((h, w), dtype=np.uint8)
        for class_idx, (_, color) in enumerate(self.class_map.items()):
            class_mask[(label == color).all(axis=-1)] = class_idx

        return torch.FloatTensor(img).permute(2,0,1)/255., \
               torch.LongTensor(class_mask)

使用 Albumentations 库实现高效增强：

import albumentations as A

train_transform = A.Compose([A.RandomCrop(512, 512),
    A.HorizontalFlip(p=0.5),
    A.ColorJitter(brightness=0.2, contrast=0.2) 
])

# 在 Dataset 类中调用
def __getitem__(self, idx):
    transformed = train_transform(image=img, mask=label)
    return transformed['image'], transformed['mask']

应对样本不均衡的两种方法：

# 方法 1：统计像素类别频率
pixel_counts = np.bincount(class_mask.flatten())
class_weights = 1 / (pixel_counts + 1e-6)  # 避免除零

# 方法 2：中值频率平衡（更鲁棒）median_freq = np.median(pixel_counts)
class_weights = median_freq / (pixel_counts + 1e-6)

带权重的 CrossEntropyLoss 应对类别不平衡：

criterion = torch.nn.CrossEntropyLoss(weight=torch.FloatTensor(class_weights).to(device)
)

for epoch in range(epochs):
    for images, labels in train_loader:
        images, labels = images.to(device), labels.to(device)

        optimizer.zero_grad()
        outputs = model(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # 计算 mIoU 等指标...