cityscapes数据集的下载和应用

本文档详细介绍了如何下载Cityscapes数据集,包括通过官方网站和使用wget命令行工具。数据集分为多个部分,如Fine_trainvaltest.zip、Coarse.zip等。下载后,需要解压并安装cityscapesScripts,该脚本提供了预处理和查看数据的接口。文章还提到了数据结构和标签定义,并指导如何修改标签以显示不同类别。
摘要由CSDN通过智能技术生成

链接内容

官方地址: https://www.cityscapes-dataset.com/
使用git的地址: https://github.com/mcordts/cityscapesScripts
在这里插入图片描述
要自己登录download的哦
在这里插入图片描述

数据下载在官网下载,不需要翻墙,需要企业级别邮箱(不能qq,163,gmail);每天有限制的下载次数;

  1. 注册账号, 网页下载。。
    我自己不怎么断。断的话看方法二
  2. 终端脚本下载(推荐):
wget --keep-session-cookies --save-cookies=cookies.txt --post-data 'username=myusername&password=mypassword&submit=Login' https://www.cityscapes-dataset.com/login/

wget --load-cookies cookies.txt --content-disposition https://www.cityscapes-dataset.com/file-handling/?packageID=1

ID的定义,有很多,看着下载;

1 -> gtFine_trainvaltest.zip (241MB)
2 -> gtCoarse.zip (1.3GB)
3 -> leftImg8bit_trainvaltest.zip (11GB)
4 -> leftImg8bit_trainextra.zip (44GB)
8 -> camera_trainvaltest.zip (2MB)
9 -> camera_trainextra.zip (8MB)
10 -> vehicle_trainvaltest.zip (2MB)
11 -> vehicle_trainextra.zip (7MB)
12 -> leftImg8bit_demoVideo.zip (6.6GB)
28 -> gtBbox_cityPersons_trainval.zip (2.2MB)

下载完了解压,并且下载git

cityscapesScripts

这个玩意已经写好的借口,直接用;要设置好两样;

  1. 项目介绍

在这里插入图片描述

  1. 数据结构

gtFine是groundtruth;
leftImg8bit:是很多城市的图片
gtCoarse
一定要:
在这里插入图片描述

export CITYSCAPES_DATASET=/media/crystal/crystalBack/cityscapesCRY
设置

实在不行,就代码里改,各种调试路径

运行 viewer/cityscapesViewer.py 是展示的效果:可以选择城市等等:
在这里插入图片描述

运行 preparation/createTrainIdInstanceImgs.py 是生成
在这里插入图片描述
会生成_instanceTrainIds.png 结尾的PNG; 这里你可以修改label.py的label, 可以展示不同的类别;它不是所有类别都可以展示的,只是展示了一部分;


labels = [
    #       name                     id    trainId   category            catId     hasInstances   ignoreInEval   color
    Label(  'unlabeled'            ,  0 ,      255 , 'void'            , 0       , False        , True         , (  0,  0,  0) ),
    Label(  'ego vehicle'          ,  1 ,      255 , 'void'            , 0       , False        , True         , (  0,  0,  0) ),
    Label(  'rectification border' ,  2 ,      255 , 'void'            , 0       , False        , True         , (  0,  0,  0) ),
    Label(  'out of roi'           ,  3 ,      255 , 'void'            , 0       , False        , True         , (  0,  0,  0) ),
    Label(  'static'               ,  4 ,      255 , 'void'            , 0       , False        , True         , (  0,  0,  0) ),
    Label(  'dynamic'              ,  5 ,      255 , 'void'            , 0       , False        , True         , (111, 74,  0) ),
    Label(  'ground'               ,  6 ,      255 , 'void'            , 0       , False        , True         , ( 81,  0, 81) ),
    Label(  'road'                 ,  7 ,        0 , 'flat'            , 1       , False        , False        , (128, 64,128) ),
    Label(  'sidewalk'             ,  8 ,        1 , 'flat'            , 1       , False        , False        , (244, 35,232) ),
    Label(  'parking'              ,  9 ,      255 , 'flat'            , 1       , False        , True         , (250,170,160) ),
    Label(  'rail track'           , 10 ,      255 , 'flat'            , 1       , False        , True         , (230,150,140) ),
    Label(  'building'             , 11 ,        2 , 'construction'    , 2       , False        , False        , ( 70, 70, 70) ),
    Label(  'wall'                 , 12 ,        3 , 'construction'    , 2       , False        , False        , (102,102,156) ),
    Label(  'fence'                , 13 ,        4 , 'construction'    , 2       , False        , False        , (190,153,153) ),
    Label(  'guard rail'           , 14 ,      255 , 'construction'    , 2       , False        , True         , (180,165,180) ),
    Label(  'bridge'               , 15 ,      255 , 'construction'    , 2       , False        , True         , (150,100,100) ),
    Label(  'tunnel'               , 16 ,      255 , 'construction'    , 2       , False        , False         , (150,120, 90) ),
    Label(  'pole'                 , 17 ,        5 , 'object'          , 3       , False        , False        , (153,153,153) ),
    Label(  'polegroup'            , 18 ,      255 , 'object'          , 3       , False        , True         , (153,153,153) ),
    Label(  'traffic light'        , 19 ,        6 , 'object'          , 3       , False        , False        , (250,170, 30) ),
    Label(  'traffic sign'         , 20 ,        7 , 'object'          , 3       , False        , False        , (220,220,  0) ),
    Label(  'vegetation'           , 21 ,        8 , 'nature'          , 4       , False        , False        , (107,142, 35) ),
    Label(  'terrain'              , 22 ,        9 , 'nature'          , 4       , False        , False        , (152,251,152) ),
    Label(  'sky'                  , 23 ,       10 , 'sky'             , 5       , False        , False        , ( 70,130,180) ),
    Label(  'person'               , 24 ,       11 , 'human'           , 6       , True         , False        , (220, 20, 60) ),
    Label(  'rider'                , 25 ,       12 , 'human'           , 6       , True         , False        , (255,  0,  0) ),
    Label(  'car'                  , 26 ,       13 , 'vehicle'         , 7       , True         , False        , (  0,  0,142) ),
    Label(  'truck'                , 27 ,       14 , 'vehicle'         , 7       , True         , False        , (  0,  0, 70) ),
    Label(  'bus'                  , 28 ,       15 , 'vehicle'         , 7       , True         , False        , (  0, 60,100) ),
    Label(  'caravan'              , 29 ,      255 , 'vehicle'         , 7       , True         , True         , (  0,  0, 90) ),
    Label(  'trailer'              , 30 ,      255 , 'vehicle'         , 7       , True         , True         , (  0,  0,110) ),
    Label(  'train'                , 31 ,       16 , 'vehicle'         , 7       , True         , False        , (  0, 80,100) ),
    Label(  'motorcycle'           , 32 ,       17 , 'vehicle'         , 7       , True         , False        , (  0,  0,230) ),
    Label(  'bicycle'              , 33 ,       18 , 'vehicle'         , 7       , True         , False        , (119, 11, 32) ),
    Label(  'license plate'        , -1 ,       -1 , 'vehicle'         , 7       , False        , True         , (  0,  0,142) ),
]

想改 就把ignoreInEval 改了;

兄弟们,自求多福吧;

zisuina_2
关注 关注
  • 16
    点赞
  • 75
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
cityscapes数据集
04-08
cityscapes数据集,pix2pix模型用的。 Semantic, instance-wise, dense pixel annotations of 30 classes
Cityscapes数据集百度云下载-附件资源
03-05
Cityscapes数据集百度云下载-附件资源
下载Cityscapes数据集,亲测可用
weixin_45097144的博客
07-28 3068
下载CityScapes数据集
CityscapesScripts 安装和配置指南
最新发布
gitblog_09509的博客
09-13 902
CityscapesScripts 安装和配置指南 cityscapesScripts README and scripts for the Cityscapes Dataset 项目地址: https://gitcode.com...
CityScapes数据集介绍
qq_34424944的博客
03-14 7459
Cityperson数据集,在16年CVPR上被提出,是张姗姗一波人在CityScapes数据集上进行标注得到的行人检测数据集。有标记的前景对象绝对不能有洞,也就是说,如果有一些背景可见的“通过”一些前景对象,它被认为是前景的一部分。例如:房子或天空前面的树叶(一切都是树),透明的车窗(一切都是汽车)。除了精细的注释,我们还与Pallas Ludens合作,为一组20 000图像提供了更粗略的多边形注释。请注意,我们的目标不是注释单个实例,而是标记覆盖单个对象的多边形。覆盖的颜色编码语义类(参见类定义)。
Cityscapes数据集下载
weixin_43740671的博客
03-18 2931
使用Edge浏览器直接下载,报错都可以在断点继续下载
Cityscapes数据简介以及使用爬虫下载Cityscapes数据(适用于Windows)
m0_73798143的博客
03-21 3539
Cityscapes数据简介以及使用爬虫下载Cityscapes数据(适用于Windows)
pix2pix/cityscapes数据集
04-21
https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/
数据集cityscapes命令行下载
weixin_48924581的博客
05-19 4631
数据集cityscapes命令行下载一、官网注册账号二、命令行 一、官网注册账号 进入cityscapes官网注册账号 点击Download 注册完毕后登陆可看到 可直接在此点击所需包下载(较慢) 二、命令行 1.原github地址cityscapes-script 2.在第一个命令中,输入您的用户名和密码。 这将使用您的凭据登录并保留关联的 cookie #原版 wget --keep-session-cookies --save-cookies=cookies.txt --post-data 'user
Cityscapes数据集百度云下载
热门推荐
zym19941119的博客
07-25 4万+
Cityscapes数据集是一个计算机视觉语义分割数据集,多说无益,百度云链接如下: Cityscapes 需要解压gtFine.zip 没有包含coarse的标注
cityscapes公开数据集
09-30
语义分割公开数据集,其中train因为太大,被分成train1和train2两个部分。具体描述请参考 https://blog.csdn.net/avideointerfaces/article/details/104139298?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160147267619195246621825%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=160147267619195246
Cityscapes Dataset-数据集
03-11
Cityscapes Dataset is provided by Daimler AG&RD, Max Planck Institute for Informatics and TU Darmstadt Visual Inference Group.本数据集由戴姆勒研究所,马克斯•普朗克信息学研究所和达姆施塔特科技大学可视化推理工作组提供。 cityscapes_camera_trainextra.zip cityscapes_camera_trainvaltest.zip cityscapes_vehicle_trainextra.zip cityscapes_vehicle_trainvaltest.zip
cityscapes 数据集(三)
11-20
cityscapes 数据集,数据量较大,一共12g,这边分开上传
cityscape sets.rar
10-15
cityscape 数据库 详细标注的5000张图片, 分为了train val test三个集合,这个压缩包是train.txt+val.txt+test.txt, 文件名,类似于./cityscapes/leftImg8bit/val/frankfurt/frankfurt_000001_049209_leftImg8bit.png ./cityscapes/leftImg8bit/val/frankfurt/frankfurt_000001_042098_leftImg8bit.png
cityscapes 数据集(一)
11-16
Cityscapes数据集包含大量高分辨率的RGB图像,主要来自30个不同的欧洲城市,涵盖了各种天气和时间段。这些图像分为训练集、验证集和测试集,以确保模型在不同场景下的泛化能力。每个图像都伴随着精细的像素级标注,...
yolo实现语义分割(cityscapes数据集)附源码
11-18
对于Cityscapes数据集,它包含大量城市街景图像,每个图像有精细的像素级标签,分为训练集、验证集和测试集。在Cityscapes中,YOLO可能需要调整以适应像素级的预测任务,比如使用FCN结构或者结合YOLO的快速检测特性...
cityscapes/foggy_cityscapes 数据集转VOC
04-26
转换后的数据集可以用于训练和评估基于PASCAL VOC格式的语义分割模型,这有助于研究人员在不改变原有框架的情况下,将现有的方法应用Cityscapes或Foggy Cityscapes数据集上,进行比较和改进。总的来说,这个转换...
Cityscape数据集脚本readme翻译
Xuefeng_BUPT的博客
04-16 1万+
The Cityscapes 数据集 该github库包含用于检查,准备和评估Cityscapes数据集的脚本。 该大型数据集包含来自50个不同城市的街道场景中记录的多种立体视频序列,除了20000个弱注释帧以外,还包含5000帧高质量像素级注释。 详细信息和下载链接请登录:www.cityscapes-dataset.net 数据集结构 Cityscapes dataset 的文件夹结构...
cityscapes 数据集下载
11-10
Cityscapes 数据集是一个广泛应用于城市景观分割和场景理解领域的数据集,收集了来自德国和瑞士等国家的一系列城市环境的图像。这个数据集包含了丰富的城市街道、建筑、车辆和行人等真实场景,是进行城市环境感知研究的重要工具之一。 要下载Cityscapes 数据集,首先需要访问官方网站(https://www.cityscapes-dataset.com/),注册账号并登录。在登录后,可以在网站上找到数据集下载链接,可以根据需要选择下载不同格式和不同分辨率的数据集。网站还提供了详细的数据集介绍和使用文档,帮助用户更好地理解和应用数据集。 另外,Cityscapes 数据集也提供了一些基准的算法和模型,用户可以根据自己的研究需要选择相应的数据集进行下载和使用。同时,网站还提供了一些与数据集相关的论文和研究成果,可以帮助用户更好地理解和应用数据集。 总之,Cityscapes 数据集是一个非常有价值的城市景观数据集,通过官方网站可以方便地进行下载和使用。希望用户在使用数据集的过程中,可以加深对城市环境的理解,并为相关领域的研究和应用做出更大的贡献。
写文章

热门文章

  • PyTorch torch.optim.lr_scheduler 学习率设置 调参 -- CosineAnnealingLR 32892
  • PyTorch torch.optim.lr_scheduler 学习率 - LambdaLR;StepLR;MultiStepLR;ExponentialLR 23732
  • cityscapes数据集的下载和应用 23212
  • chmod: changing permissions of : Read-only file system 18622
  • PyTorch torch.optim.lr_scheduler 学习率设置 调参-- CyclicLR 12834

分类专栏

  • 最大内接矩形 1篇
  • C++ 15篇
  • 矩形 1篇
  • BEV3D 2篇
  • 深度学习 7篇
  • pytorch 9篇
  • loss 1篇
  • 目标检测 3篇
  • 面试 3篇
  • python 6篇
  • cuda 3篇
  • vslam 3篇
  • 报错 1篇
  • navidia 1篇
  • deep learning 3篇
  • 对抗生成网络 1篇
  • gan 1篇
  • 综述 1篇
  • pcl 2篇
  • 线 1篇
  • 数据结构 1篇
  • 机器学习 1篇
  • 贝叶斯 1篇
  • 图像 1篇
  • 上采样 1篇
  • 学习率 1篇
  • torch 2篇
  • eigen 1篇
  • tushare 2篇
  • 股票 2篇
  • 单应矩阵 1篇
  • 相机参数 1篇
  • opencv 10篇
  • slam

最新评论

  • Reducer buckets have been rebuilt in this iteration.

    戈兀子: 我觉得是可以忽视的,pytorch代码这里的注释是说这是用了减少高峰显存,不是什么error。

  • OPENCV C++ 找到最大内接矩形(正方形)

    qq_31544415: 轮廓数量多一点就超级慢,有没有优化的计算方法

  • Reducer buckets have been rebuilt in this iteration.

    七77.: 可以跑,但是对模型训练有影响吗

  • VAE-变分自编码器(Variational Autoencoder,VAE)

    CSDN-Ada助手: Python入门 技能树或许可以帮到你:https://edu.csdn.net/skill/python?utm_source=AI_act_python

  • cityscapes数据集的下载和应用

    Yang_7957: 注册完有个激活,在那个激活界面登陆

大家在看

  • 关于我、重生到500年前凭借C语言改变世界科技vlog.8——函数递归
  • 深度解析模型调优与正则化:L1、L2正则化及偏差-方差的权衡 504
  • Python程序设计 内置函数 日志模块
  • 使用状态机对ROM储存数据源和PN16码模块控制输出
  • svn hook 592

最新文章

  • SparseDrive - 清华地平线开源的e2e的框架
  • Denosing && RayDN-对同一射线的误检测优化
  • 稀疏3D检测-Sparse4Dv1v2v3
2024年8篇
2023年1篇
2022年3篇
2021年10篇
2020年22篇
2019年12篇

目录

目录

评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值

玻璃钢生产厂家商场入门口中庭美陈商场新年大门口美陈河北公园玻璃钢雕塑市场山东商业商场美陈报价玻璃钢恐龙雕塑专业厂家徐州玻璃钢仿真水果雕塑厂家玻璃钢雕塑厂培训公司哪里有春节商场美陈台州玻璃钢牛雕塑仿真玻璃钢人物雕塑图片人物雕塑 玻璃钢 孙武钟祥玻璃钢景观雕塑许昌玻璃钢卡通动物雕塑销售厂家梅州发光景观玻璃钢雕塑生产商商场美陈收费标准汉中玻璃钢商场美陈荔湾名人玻璃钢人物雕塑上海商场创意商业美陈风格芜湖商场美陈装饰玻璃钢雕塑手绘美甲福建秋季商场美陈批发价玻璃钢熊猫雕塑制作厂贵州省玻璃钢雕塑长沙不锈钢牛玻璃钢彩绘雕塑湖北玻璃钢金属雕塑拉萨玻璃钢卡通雕塑价格合肥环保玻璃钢雕塑白坭玻璃钢人物雕塑在线免费咨询苏州玻璃钢雕塑摆件制造玻璃钢动物雕塑手工制作香港通过《维护国家安全条例》两大学生合买彩票中奖一人不认账让美丽中国“从细节出发”19岁小伙救下5人后溺亡 多方发声单亲妈妈陷入热恋 14岁儿子报警汪小菲曝离婚始末遭遇山火的松茸之乡雅江山火三名扑火人员牺牲系谣言何赛飞追着代拍打萧美琴窜访捷克 外交部回应卫健委通报少年有偿捐血浆16次猝死手机成瘾是影响睡眠质量重要因素高校汽车撞人致3死16伤 司机系学生315晚会后胖东来又人满为患了小米汽车超级工厂正式揭幕中国拥有亿元资产的家庭达13.3万户周杰伦一审败诉网易男孩8年未见母亲被告知被遗忘许家印被限制高消费饲养员用铁锨驱打大熊猫被辞退男子被猫抓伤后确诊“猫抓病”特朗普无法缴纳4.54亿美元罚金倪萍分享减重40斤方法联合利华开始重组张家界的山上“长”满了韩国人?张立群任西安交通大学校长杨倩无缘巴黎奥运“重生之我在北大当嫡校长”黑马情侣提车了专访95后高颜值猪保姆考生莫言也上北大硕士复试名单了网友洛杉矶偶遇贾玲专家建议不必谈骨泥色变沉迷短剧的人就像掉进了杀猪盘奥巴马现身唐宁街 黑色着装引猜测七年后宇文玥被薅头发捞上岸事业单位女子向同事水杯投不明物质凯特王妃现身!外出购物视频曝光河南驻马店通报西平中学跳楼事件王树国卸任西安交大校长 师生送别恒大被罚41.75亿到底怎么缴男子被流浪猫绊倒 投喂者赔24万房客欠租失踪 房东直发愁西双版纳热带植物园回应蜉蝣大爆发钱人豪晒法院裁定实锤抄袭外国人感慨凌晨的中国很安全胖东来员工每周单休无小长假白宫:哈马斯三号人物被杀测试车高速逃费 小米:已补缴老人退休金被冒领16年 金额超20万

玻璃钢生产厂家 XML地图 TXT地图 虚拟主机 SEO 网站制作 网站优化