Cityscapes目标检测数据集实战：从数据预处理到模型优化的完整解决方案

1次阅读

没有评论

共计 1636 个字符，预计需要花费 5 分钟才能阅读完成。

Cityscapes 是自动驾驶领域最具挑战性的目标检测数据集之一，包含 5000 张精细标注的城市街景图像（2975 训练 /500 验证 /1525 测试），具有以下特点：

19 类语义标注（如行人、车辆、交通标志等）
高分辨率图像（2048×1024）
多边形实例标注（非矩形框）
典型的城市场景类不平衡问题

在实际使用中，我们遇到了三个主要痛点：

高分辨率图像直接加载导致 GPU 显存溢出
多边形标注解析复杂度高，容易出错
类别分布极度不均衡（如路面像素占比远高于交通标志）

采用 PyTorch 的懒加载方案，配合智能降采样策略：

from torch.utils.data import Dataset
import cv2

class CityscapesDataset(Dataset):
    def __init__(self, root, split='train', target_size=(1024, 512)):
        self.images = [...]  # 初始化图像路径列表
        self.target_size = target_size

    def __getitem__(self, idx):
        img = cv2.imread(self.images[idx])
        img = cv2.resize(img, self.target_size)  # 按需降采样
        return img

关键优化点：

仅在 __getitem__ 时加载图像，避免全量数据占用内存
训练时动态降采样，保持长宽比的同时减少显存占用
使用 OpenCV 替代 PIL（速度提升约 15%）

借助 COCOAPI 处理复杂的多边形标注：

from pycocotools.coco import COCO

coco = COCO(annotation_file)
ann_ids = coco.getAnnIds(imgIds=img_id)
annotations = coco.loadAnns(ann_ids)

masks = [coco.annToMask(ann) for ann in annotations]  # 转换为二值 mask

避坑指南：

注意处理 crowd 标注（iscrowd=1）
验证多边形闭合性（避免出现非法几何图形）
对极小实例（<10 像素）建议过滤或特殊处理

实现加权随机采样器：

from torch.utils.data.sampler import WeightedRandomSampler

class_weights = compute_class_weights(dataset)  # 根据类别频率计算权重
sampler = WeightedRandomSampler(weights, num_samples=len(dataset))

结合 Albumentations 的最佳增强策略：

transform = A.Compose([A.RandomResizedCrop(1024, 512),  # 智能裁剪
    A.HorizontalFlip(p=0.5),
    A.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1),
    A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225))
], bbox_params=A.BboxParams(format='pascal_voc'))