Cityscapes数据集与COCO数据集

对两个公开数据集的简要概述。

文章目录

• Cityscapes数据集与COCO数据集
• Cityscapes数据集
• COCO数据集
• • info字段
  • images字段
  • license字段
  • categories字段
  • annotation字段
• 总结

Cityscapes数据集

Cityscapes是关于城市街道场景的语义理解图片数据集，它主要包含来自50个不同城市的街道场景，拥有5000张在城市环境中驾驶场景的高质量像素级注释图像（其中2975 用来训练，500用来验证，1525用来测试，共有19个类别）。样本数据都在gtFine文件夹和leftlmg8bit文件夹内。leftImg8bit文件夹有三个子目录：test，train以及val。这三个子目录的图片又以城市为单元来存放。gtFine下面也是分为train，test以及val，不同的是，在城市子目录下面，每张样本图片对应有6个标注文件，如下所示：

xxx_instanceIds.png是用来做实例分割训练用的，而xxx_labelsIds.png是语义分割训练需要的。它们的像素值就是class值。而最后一个文件xxx_polygons.json是用labelme工具标注后所生成的文件，里面主要记录了每个多边形标注框上的点集坐标。xxx_gtFine_instanceTrainIds.png和xxx_gtFine_labelTrainIds.png是生成的实际上这5000张精细标注的图片有34类，但训练时可能只想关心其中19类(0~18)。所以需要做一个映射来将34类中感兴趣的类别映射到19类中，其它不感兴趣的类别（ignore_label）就直接设成255。

COCO数据集

• 以目标检测为例：其注释文件中的内容就是一个字典数据结构，包括以下5个key-value对。

  

info字段

如上图所示包含description，url，version， year， contribution，date_created等基本信息。

images字段

包括下图中的内容，对应了每张图片的详细信息，其中的id号是被分配的唯一id。

license字段

包括下图中的内容，里面集合了不同类型的licenses，并在images中按照id号被引用，基本不参与到数据解析过程中。

categories字段

包括下图中的内容。其中supercategory是父类，name是子类，id是类别id（按照子类统计）。比如下图中所示的。COCO数据集共计有80个类别（按照name计算的）。

annotation字段

包括下面内容，每个序号对应一个注释，一张图片上可能有多个注释。

• category_id：该注释的类别id；
• id：当前注释的id号；
• image_id：该注释所在的图片id号；
• area：区域面积；
• bbox：目标的矩形标注框；
• iscrowd：0或1。0表示标注的单个对象，此时segmentation使用polygon表示；1表示标注的是一组对象，此时segmentation使用RLE格式。
• segmentation：若使用polygon标注时，则记录的是多边形的坐标点，连续两个数值表示一个点的坐标位置，因此此时点的数量为偶数若使用RLE格式(Run Length Encoding(行程长度压缩算法))

总结

本文对两个常用的公开数据集进行了简单总结。Cityscapes和COCO均广泛应用于语义分割，实例分割以及全景分割的框架实验中。