Cityscapes数据集下载与使用指南：从零开始掌握自动驾驶视觉数据

共计 1440 个字符，预计需要花费 4 分钟才能阅读完成。

背景介绍

Cityscapes 是自动驾驶和计算机视觉领域最常用的语义分割数据集之一。它包含了从 50 个不同城市采集的街景图像，涵盖了各种天气、光照和场景条件。这个数据集对于训练自动驾驶系统理解复杂的城市场景至关重要，比如识别道路、车辆、行人等关键元素。

• 数据规模：5,000 张精细标注图像和 20,000 张粗略标注图像
• 标注类型：支持语义分割、实例分割和全景分割任务
• 应用场景：主要用于自动驾驶、场景理解、SLAM 等领域

下载指南

1. 访问Cityscapes 官方网站
2. 点击 ”Register” 创建账户（需要学术邮箱）
3. 登录后签署数据使用协议
4. 在 ”Downloads” 页面选择需要的数据包

常见的下载选项包括：

• leftImg8bit_trainvaltest.zip (11GB): 训练 / 验证 / 测试集图像
• gtFine_trainvaltest.zip (241MB): 精细标注
• gtCoarse.zip (1.3GB): 粗略标注

下载提示：

• 推荐使用 wget 或 aria2 等工具断点续传
• 准备好至少 50GB 的存储空间
• 下载可能需要数小时，建议在稳定网络环境下进行

数据结构解析

解压后目录结构如下：

cityscapes/
├── leftImg8bit/
│   ├── train/
│   ├── val/
│   └── test/
└── gtFine/
    ├── train/
    ├── val/
    └── test/

关于标注类别：

• 19 类：常用的语义分割类别，如道路、人行道、建筑物等
• 34 类：更细粒度的分类，包含更多物体细节

代码实战

以下是使用 Python 加载 Cityscapes 数据的示例代码：

import os
import cv2
import numpy as np

# 设置数据集路径
data_dir = "/path/to/cityscapes"
img_path = os.path.join(data_dir, "leftImg8bit/val/frankfurt/frankfurt_000000_000294_leftImg8bit.png")
label_path = os.path.join(data_dir, "gtFine/val/frankfurt/frankfurt_000000_000294_gtFine_labelIds.png")

# 读取图像和标注
img = cv2.imread(img_path)
label = cv2.imread(label_path, cv2.IMREAD_GRAYSCALE)

# 可视化
cv2.imshow("Image", img)
cv2.imshow("Label", label*10)  # 乘以 10 使标签更明显
cv2.waitKey(0)
cv2.destroyAllWindows()

避坑指南

1. 下载速度慢
2. 使用镜像站点
3. 尝试非高峰时段下载

4. 使用下载加速工具

5. 解压失败

6. 检查文件完整性（md5 校验）
7. 确保磁盘空间足够

8. 使用 7 -zip 替代系统自带解压工具

9. 路径问题

10. 注意 Linux/Windows 路径差异
11. 使用 os.path.join 处理路径

扩展应用

要将 Cityscapes 用于语义分割模型训练，你需要：

1. 创建数据加载器（推荐使用 torch.utils.data.Dataset）
2. 实现类别权重平衡（处理类别不均衡问题）
3. 选择合适的评估指标（如 mIoU）

思考题：

1. 如何高效处理大型数据集以避免内存不足？
2. 针对自动驾驶场景，哪些数据增强方法最有效？
3. 如何处理夜间或恶劣天气条件下的图像分割？

希望这篇指南能帮助你顺利开始 Cityscapes 数据集的使用之旅。在实际项目中，记得参考 官方文档 获取最新信息。