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 1630 个字符，预计需要花费 5 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广泛使用的街景语义分割数据集，由奔驰等公司联合发布。它包含来自 50 个不同城市的街景图像，涵盖各种天气、季节和交通状况。这个数据集特别适合用于训练和评估语义分割模型，帮助算法理解道路场景中的各种物体（如车辆、行人、交通标志等）。

下载指南

1. 访问 Cityscapes 官方网站（https://www.cityscapes-dataset.com/）
2. 点击 ”Register” 注册账号
3. 填写注册信息后，登录邮箱验证
4. 登录后，阅读并同意数据集使用协议

5. 在 ”Downloads” 页面选择需要下载的数据包

6. 关键文件说明 ：

7. leftImg8bit_trainvaltest.zip：训练 / 验证 / 测试集图像
8. gtFine_trainvaltest.zip：精细标注数据
9. gtCoarse.zip：粗糙标注数据

数据结构解析

解压后的目录结构如下：

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

• leftImg8bit：包含原始街景图像（分辨率 2048×1024）
• gtFine：包含精细标注（19 类语义标签）
• 19 类与 34 类的区别在于标签的精细程度，19 类是更通用的分类

代码实战

import os
import cv2
import numpy as np

# 加载图像和对应的标注
def load_cityscapes_sample(img_path, label_path):
    try:
        img = cv2.imread(img_path)
        label = cv2.imread(label_path, cv2.IMREAD_GRAYSCALE)

        if img is None or label is None:
            raise FileNotFoundError("无法加载图像或标注文件")

        return img, label
    except Exception as e:
        print(f"加载数据时出错: {e}")
        return None, None

# 示例使用
img_path = "cityscapes/leftImg8bit/train/aachen/aachen_000000_000019_leftImg8bit.png"
label_path = "cityscapes/gtFine/train/aachen/aachen_000000_000019_gtFine_labelIds.png"
img, label = load_cityscapes_sample(img_path, label_path)

if img is not None and label is not None:
    print(f"图像尺寸: {img.shape}, 标注尺寸: {label.shape}")

避坑指南

• 下载速度慢 ：
• 使用学术网络或 VPN
• 尝试非高峰时段下载

• 使用下载工具（如 wget）支持断点续传

• 解压失败 ：

• 确保下载文件完整（检查 MD5）
• 使用 7 -Zip 等专业解压工具

• 确保磁盘空间充足

• 路径问题 ：

• 注意 Windows 和 Linux 路径格式差异
• 使用 os.path.join 构建跨平台路径

扩展应用

Cityscapes 数据集常用于训练语义分割模型如：

1. FCN
2. U-Net
3. DeepLab 系列
4. PSPNet

训练流程通常包括：

1. 数据预处理（resize、归一化）
2. 模型定义
3. 损失函数选择（交叉熵、Dice 等）
4. 训练和验证

思考题

1. 如何将 Cityscapes 数据集转换为更适合小显存显卡训练的格式？
2. 尝试使用 matplotlib 可视化原始图像和对应的语义标注
3. 思考如何解决类别不平衡问题（如道路像素远多于交通标志）

参考资料

• 官方文档：https://www.cityscapes-dataset.com/dataset-overview/
• 标注说明：https://github.com/mcordts/cityscapesScripts
• 相关论文：https://arxiv.org/abs/1604.01685