Cityscapes数据集详解：从入门到实战的避坑指南

1次阅读

共计 2754 个字符，预计需要花费 7 分钟才能阅读完成。

Cityscapes 是自动驾驶和计算机视觉领域广泛使用的街景图像数据集，包含 50 个城市在不同季节和天气条件下采集的 5000 张精细标注图像（另有 20000 张粗标注图像）。其标注涵盖 30 个类别（如道路、车辆、行人等），支持语义分割、实例分割和全景分割任务。作为 ECCV 和 CVPR 等顶会的常用基准数据集，掌握其使用方法对研究者和开发者至关重要。

解压后的 Cityscapes 目录结构如下（以官方提供的 leftImg8bit_trainvaltest.zip 和gtFine_trainvaltest.zip为例）：

cityscapes/
├── leftImg8bit/
│   ├── train/
│   │   ├── aachen/
│   │   │   ├── aachen_000000_000019_leftImg8bit.png
│   │   │   └── ...
│   ├── val/
│   └── test/
└── gtFine/
    ├── train/
    │   ├── aachen/
    │   │   ├── aachen_000000_000019_gtFine_instanceIds.png
    │   │   ├── aachen_000000_000019_gtFine_labelIds.png
    │   │   ├── aachen_000000_000019_gtFine_polygons.json
    │   │   └── ...
    ├── val/
    └── test/

关键文件夹说明：

leftImg8bit: 存储原始街景图像（分辨率 2048×1024）
gtFine: 精细标注文件，包含：
*_labelIds.png: 语义分割标签（每个像素值为类别 ID）
*_instanceIds.png: 实例分割标签（相同实例共享唯一 ID）
*_polygons.json: 多边形标注元数据

labelIds.png使用单通道 PNG，像素值对应 cityscapesscripts/helpers/labels.py 中定义的类别 ID。例如：

0: 忽略区域
7: 道路
24: 人

instanceIds.png的像素值编码规则：ID = 1000 * 类别 ID + 实例编号。例如：

24001: 第 1 个人实例
24002: 第 2 个人实例

polygons.json包含每个对象的精确多边形边界和属性，典型结构如下：

{
  "objects": [
    {
      "label": "car",
      "polygon": [[x1,y1], [x2,y2], ...],
      "id": 26001
    }
  ]
}

import os
import cv2
import torch
from torch.utils.data import Dataset

class CityscapesDataset(Dataset):
    def __init__(self, root, split='train', target_type='semantic'):
        self.images_dir = os.path.join(root, 'leftImg8bit', split)
        self.targets_dir = os.path.join(root, 'gtFine', split)
        self.target_type = target_type
        self.samples = []

        # 遍历所有城市文件夹
        for city in os.listdir(self.images_dir):
            city_img_dir = os.path.join(self.images_dir, city)
            for img_name in os.listdir(city_img_dir):
                if img_name.endswith('_leftImg8bit.png'):
                    base_name = img_name.replace('_leftImg8bit.png', '')
                    self.samples.append((os.path.join(city_img_dir, img_name),
                        os.path.join(self.targets_dir, city, 
                                    f"{base_name}_gtFine_labelIds.png")
                    ))

    def __len__(self):
        return len(self.samples)

    def __getitem__(self, idx):
        img_path, label_path = self.samples[idx]

        # 加载图像（OpenCV 默认 BGR 格式）image = cv2.imread(img_path)
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # 转为 RGB

        # 加载语义标签
        label = cv2.imread(label_path, cv2.IMREAD_UNCHANGED)

        # 转换为 PyTorch 张量并归一化
        image = torch.from_numpy(image).permute(2, 0, 1).float() / 255.0
        label = torch.from_numpy(label).long()

        return image, label