Cityscapes数据集专注于对城市街道场景的语义理解。我们提出了一个新的大规模数据集，其中包含来自50个不同城市的街道场景中记录的各种立体声视频序列集，以及5万帧的高质量像素级注释，以及2万多个弱注释帧。因此，数据集比类似的先前尝试大一个数量级。
Cityscapes数据集旨在用于
- 评估视觉算法在语义城市场景理解的主要任务上的性能：像素级，实例级和全景语义标记；
- 支持旨在开发大量（弱）带注释数据的研究，例如用于训练深度神经网络。
特征
注释类型
- 语义的
- 实例化
- 密集像素注释
复杂
- 30节课
- 有关 所有类的列表，请参见类定义，并查看应用的标签策略。
多元化
- 50个城市
- 几个月（春季，夏季，秋季）
- 白天
- 良好/中等天气
- 手动选择帧
- 大量动态对象
- 各种场景布局
- 变化的背景
体积
- 5 000个带精细注释的带注释图像
- 20000张带有粗注释的注释图像
元数据
- 前后视频帧。每个带注释的图像都是30帧视频片段（1.8s）中的第 20 个图像
- 相应的右立体图
- GPS坐标
- 车辆里程表的自我运动数据
- 车辆传感器的外部温度
基准套件和评估服务器
- 像素级语义标记
- 实例级语义标记
注释类型
标签政策
标记的前景对象一定不能有孔，即，如果有一些背景可以“穿透”某些前景对象，则该背景将被视为前景的一部分。这也适用于高度混合了两个或更多类的区域：它们用前景类标记。例如：房屋或天空前的树叶（所有树木），透明车窗（所有汽车）。
类定义
请单击各个类以获取有关其定义的详细信息。
| 组 | 类别 |
|---|---|
| 平面 | 道路 · 人行道 · 停车+ · 铁路轨道+ |
| 人的 | 人* · 车手* |
| 车辆 | 汽车* · 卡车* · 公共汽车* · 滑轨* · 摩托车* · 自行车* · 大篷车* + · 拖车* + |
| 施工 | 建筑物 · 墙壁 · 围栏 · 护栏+ · 桥梁+ · 隧道+ |
| 宾语 | 杆 · 杆组+ · 交通标志 · 交通灯 |
| 性质 | 植被 · 地形 |
| 天空 | 天空 |
| 虚空 | 地面+ · 动态+ · 静态+ |
- *提供单实例注释。但是，如果无法清楚地看到这些实例之间的边界，则将整个人群/组一起标记并注释为组，例如汽车组。
- +此标签未包含在任何评估中，并且被视为无效标签（或在车牌上安装车辆的情况下）。
