Cityscapes資料集與COCO資料集

對兩個公開資料集的簡要概述。

文章目錄

• Cityscapes資料集與COCO資料集
• Cityscapes資料集
• COCO資料集
• • info字段
  • images字段
  • license字段
  • categories字段
  • annotation字段
• 總結

Cityscapes資料集

Cityscapes是關于城市街道場景的語義了解圖檔資料集，它主要包含來自50個不同城市的街道場景，擁有5000張在城市環境中駕駛場景的高品質像素級注釋圖像（其中2975 用來訓練，500用來驗證，1525用來測試，共有19個類别）。樣本資料都在gtFine檔案夾和leftlmg8bit檔案夾内。leftImg8bit檔案夾有三個子目錄：test，train以及val。這三個子目錄的圖檔又以城市為單元來存放。gtFine下面也是分為train，test以及val，不同的是，在城市子目錄下面，每張樣本圖檔對應有6個标注檔案，如下所示：

xxx_instanceIds.png是用來做執行個體分割訓練用的，而xxx_labelsIds.png是語義分割訓練需要的。它們的像素值就是class值。而最後一個檔案xxx_polygons.json是用labelme工具标注後所生成的檔案，裡面主要記錄了每個多邊形标注框上的點集坐标。xxx_gtFine_instanceTrainIds.png和xxx_gtFine_labelTrainIds.png是生成的實際上這5000張精細标注的圖檔有34類，但訓練時可能隻想關心其中19類(0~18)。是以需要做一個映射來将34類中感興趣的類别映射到19類中，其它不感興趣的類别（ignore_label）就直接設成255。

COCO資料集

• 以目标檢測為例：其注釋檔案中的内容就是一個字典資料結構，包括以下5個key-value對。

  

info字段

如上圖所示包含description，url，version， year， contribution，date_created等基本資訊。

images字段

包括下圖中的内容，對應了每張圖檔的詳細資訊，其中的id号是被配置設定的唯一id。

license字段

包括下圖中的内容，裡面集合了不同類型的licenses，并在images中按照id号被引用，基本不參與到資料解析過程中。

categories字段

包括下圖中的内容。其中supercategory是父類，name是子類，id是類别id（按照子類統計）。比如下圖中所示的。COCO資料集共計有80個類别（按照name計算的）。

annotation字段

包括下面内容，每個序号對應一個注釋，一張圖檔上可能有多個注釋。

• category_id：該注釋的類别id；
• id：目前注釋的id号；
• image_id：該注釋所在的圖檔id号；
• area：區域面積；
• bbox：目标的矩形标注框；
• iscrowd：0或1。0表示标注的單個對象，此時segmentation使用polygon表示；1表示标注的是一組對象，此時segmentation使用RLE格式。
• segmentation：若使用polygon标注時，則記錄的是多邊形的坐标點，連續兩個數值表示一個點的坐标位置，是以此時點的數量為偶數若使用RLE格式(Run Length Encoding(行程長度壓縮算法))

總結

本文對兩個常用的公開資料集進行了簡單總結。Cityscapes和COCO均廣泛應用于語義分割，執行個體分割以及全景分割的架構實驗中。