Cityscapes数据集详解：从入门到实战的避坑指南

1次阅读

共计 2316 个字符，预计需要花费 6 分钟才能阅读完成。

Cityscapes 是自动驾驶和计算机视觉领域最常用的街景语义分割数据集之一，由奔驰等公司在 2016 年联合发布。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。数据集的主要特点包括：

5000 张精细标注的图像（2975 训练，500 验证，1525 测试）
20000 张粗糙标注的附加图像
30 类语义标签（如道路、车辆、行人等）
高分辨率（2048×1024 像素）

这些特性使其成为评估语义分割算法性能的黄金标准。

下载并解压 Cityscapes 数据集后，你会看到以下目录结构：

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

关键文件夹说明：

leftImg8bit：存储原始 RGB 图像，按城市分目录
gtFine：精细标注，包含以下文件类型：
_color.png：可视化彩色标注图
_instanceIds.png：实例 ID 图
_labelIds.png：语义标签 ID 图
_polygons.json：多边形标注的原始 JSON 文件

Cityscapes 提供两种主要标注格式：

JSON 格式：包含详细的多边形顶点坐标和对象属性
PNG 格式：三种不同用途的标注图

语义分割主要使用_labelIds.png，其中每个像素值对应一个类别 ID。例如：

0：未标注
7：道路
24：人
26：汽车

实例分割则使用_instanceIds.png，其中：

低位字节表示类别 ID
高位字节表示实例编号

以下是一个完整的 PyTorch 数据加载示例：

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

class CityscapesDataset(Dataset):
    def __init__(self, root, split='train', transform=None):
        self.root = root
        self.split = split
        self.transform = transform
        self.images = []
        self.masks = []

        # 扫描数据目录
        img_dir = os.path.join(root, 'leftImg8bit', split)
        mask_dir = os.path.join(root, 'gtFine', split)

        for city in os.listdir(img_dir):
            city_img_dir = os.path.join(img_dir, city)
            city_mask_dir = os.path.join(mask_dir, city)

            for img_name in os.listdir(city_img_dir):
                if img_name.endswith('_leftImg8bit.png'):
                    base_name = img_name.replace('_leftImg8bit.png', '')
                    mask_name = base_name + '_gtFine_labelIds.png'

                    self.images.append(os.path.join(city_img_dir, img_name))
                    self.masks.append(os.path.join(city_mask_dir, mask_name))

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

    def __getitem__(self, idx):
        image = cv2.imread(self.images[idx])
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        mask = cv2.imread(self.masks[idx], cv2.IMREAD_GRAYSCALE)

        if self.transform:
            augmented = self.transform(image=image, mask=mask)
            image = augmented['image']
            mask = augmented['mask']

        return image, mask