cityscapes数据集的下载和应用

2023-11-12

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;

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

cityscapes数据集的下载和应用 的相关文章

  • 使用DOTA数据集训练Faster R-CNN模型

    一 所需文件下载链接 二 基础环境配置 三 训练及测试过程 使用Faster R CNN算法在DOTA数据集上实现目标检测 使用Faster R CNN算法在VOC2007数据集上实现目标检测的详细步骤 Windows10 Faster R
  • 深度学习之强调一下数据的重要性

    在深度学习模型的测试过程中 数据集的选择很重要 在构造数据集的时候 要注意做好数据的清洗和标注 一个高质量的数据集往往能够提高模型训练的质量和预测的准确率 在缺乏数据的情况下 可以尝试寻找一些公开数据集 特别是得到公认的被普遍使用的数据集
  • lsun数据集下载、转换、使用

    最近复现SAGAN用到了lsun数据集 1 下载地址 http dl yf io lsun scenes 我下载了church outdoor train lmdb zip 中间还安装了lmdb库 2 转换 一般下载的data py 转换代
  • BDD100K数据集下载和标签格式转换问题

    BDD100K数据集下载和标签格式转换问题 数据集介绍 加州大学伯克利分校的Berkeley DeepDrive数据集由超过100K的视频序列组成 包含各种各样的注释 包括图像级标记 对象边界框 可行驶区域 车道标记和全帧实例分割 数据集具
  • LED数码管数字数据集

    LED数码管数字数据集 结合百度OCR取得很好效果 数据集结合百度的OCR百度的OCR https gitee com paddlepaddle PaddleOCR tree release 2 1 程序对应数据集训练进行目标检测识别 数据
  • 网络安全公开数据集

    DARPA入侵检测数据集 DARPA 1998数据集 收集了9周的 TCPDUMP网络连接和系统审计数据 7周的训练数据 2周的测试数据 包含了Probe DoS R2L U2R四大类攻击 DARPA 1999数据集 DARPA 1999覆
  • coco数据集

    1 win10安装cocoapi pip install git https github com philferriere cocoapi git subdirectory PythonAPI win10安装cocoapi 君莫笑 CSD
  • 声灭火器火灾数据集-Acoustic Extinguisher Fire Dataset

    Acoustic Extinguisher Fire Dataset The dataset was obtained as a result of the extinguishing tests of four different fue
  • 垃圾分类图片数据集分享-约10w张数据集

    1 获取方式 点赞本博客 评论区留邮箱 博主在会发送 私信博主 访问的人太多了 需要私信联系 截至到2021 03 30评论区所有邮箱已无偿发送 图片数据集直接留邮箱即可 2 问题描述 最近在做一个相关项目 从网上整理了许许多多的有关于垃圾
  • 开源数据集分类汇总(医学,卫星,分割,分类,人脸,农业,姿势等)

    本文汇总了医学图像 卫星图像 语义分割 自动驾驶 图像分类 人脸 农业 打架识别等多个方向的数据集资源 均附有下载链接 该文章仅用于学习记录 禁止商业使用 1 医学图像 疟疾细胞图像数据集 下载链接 http suo nz 2VQTUt 皮
  • 使用python批量修改文件名

    使用python对文件名进行批量修改 使用split方法对原文件名进行切分 选择需要的部分进行保留做为新的文件名 也可添加字段 函数说明 split 函数 语法 str split str num string count str n 参数
  • 语义分割—遥感影像数据标签制作(ARCGIS)

    目录 制作标签 转为tif格式 制作标签 1 新建文件夹链接 2 右键新建的文件夹 新建一个shp文件 3 要素类型选择面要素 并为shp文件命名 此处可以配置与依赖图层相同的坐标系 也可以在转为 tif的时候修改环境里的两个选项统一坐标系
  • 各领域机器学习数据集汇总(附下载地址)

    原文地址 大学公开数据集 Stanford 69G大规模无人机 校园 图像数据集 Stanford http cvgl stanford edu projects uav data 人脸素描数据集 CUHK http mmlab ie cu
  • 去除图片中仅为背景(全0,全255)的图片

    在对遥感影像进行裁剪时 很多背景也会被裁剪出来作为一个图像 而背景值过多会影响网络性能 该代码主要去除全0图片 全255图片 仅含0和255的图片 import os import cv2 import numpy as np import
  • 机器学习好伙伴之scikit-learn的使用——datasets获得数据集

    机器学习好伙伴之scikit learn的使用 datasets获得数据集 载入sklearn中自带的datesets 利用sklearn的函数生成数据 应用示例 利用sklearn中自带的datesets进行训练 利用sklearn中生成
  • opencv 图像填充

    定义pad image stride函数 将图像的长和宽填充到可以被指定整数整除 这个整数倍通常定义为stride 一 opencv关键函数 opencv关键函数 cv2 copyMakeBorder im为待填充的图像 top为图像上方填
  • 目标检测和语义分割常用的数据增强(代码)

    语义分割 from PIL import Image ImageFont ImageDraw ImageEnhance import matplotlib pyplot as plt import numpy as np import ra
  • 划分训练集、验证集和测试集代码

    输入需要划分的数据所在的文件夹 返回一个划分好的包含train val和test的文件夹 val ratio 和test ratio分别为验证集和测试集所占的比例 test ratio 0表示不划分测试集 import os import
  • COCO数据集格式(详解)及COCO标注可视化。json转COCO等代码

    coco数据集JSON文件格式分为一下几个字段 info info dict licenses license list 内部是dict images image list 内部是dict annotations annotation li
  • 动物姿态识别+数据集+代码

    目录 一级目录 二级目录 三级目录 介绍 关键点定义 背景 环境安装 安装

随机推荐

  • 数学一八月份情况

    2018年数学一真题
  • Matlab表格数据的导入选项

    Matlab表格数据的导入选项 Matlab作为一个强大的数学分析工具 经常需要导入各种不同格式的数据 其中包括表格数据 在导入表格数据时 Matlab提供了多种不同的选项 以便用户能够灵活地处理数据 下面我将详细介绍Matlab中定义表格
  • python手册下载_python3.8.4官方中文文档 API手册 完整版 chm+pdf

    Python 3 8 4 文档是一套整理的Python 3 8 3 4 的官方中文文档 包含chm和官方pdf完整版 需要的朋友可下载试试 Python 是一种易于学习又功能强大的编程语言 它提供了高效的高级数据结构 还能简单有效地面向对象
  • 保存3dmax场景很慢/卡

    为什么一保存3dmax的文件 就很慢呢 这个要看具体情况来 如果是感染了3dmax病毒的 需要清除一下病毒 因为由于病毒在场景里运行 会导致极大拖慢3dmax的运行效率 也同样会使在保存场景的时候 拖慢时间 这种情况 清除一下病毒 就能解决
  • mysql数据库存储过程及loop循环

    loop实现简单的循环 如果不在SQL逻辑中增加退出循环的条件 可以用其来实现简单的死循环 一 语法 1 leave 配合循环使用 退出循环 2 iterate 必须用在循环中 作用是跳过当前循环剩下的语句 直接进入下一次循环 begin
  • spring获取当前request

    系列文章目录 springmvc核心流程及配置 springmvc处理模型数据 springmvc返回json 数据绑定 springmvc注解的使用 springmvc异常处理 springmvc拦截器 spring与springmvc整
  • C语言如何指针数组储存字符串,周立功教你学C语言编程:教你数组是如何保存指针的...

    gt gt gt gt 1 字符串与指针数组 如果有以下定义 int data0 1 data1 2 data2 3 int ptr0 data0 ptr1 data1 ptr2 data2 实际上地址也是数据 那么数组也可以保存指针 因此
  • java- SFTP文件上传下载

    JSch SFTP文件上传下载 文章目录 JSch SFTP文件上传下载 1 JSch简介 2 ChannelSftp常用Api JSch支持三种文件传输模式 文件上传 put 方法 文件下载 get 方法 3 SFTP上传下载代码实现 1
  • yolov5模型PC端加速方法

    最近工作中要对YOLOV5模型进行GPU加速 尝试过Tensorrt及Torch版本部署 下面做一下阶段总结 后期有新发现会持续更新 1 Tensorrt方法 GPU版本加速首先想到的肯定是TRT了 也尝试github上YOLOV5版本的T
  • Angular Tracy 小笔记 Demo 项目

    跟着项目走 项目结构 MVC 开发模式 三层结构 View视图层 html Control 逻辑处理层 ts Module 数据模型层 ts 新建数据层 ts 文件 如 recipes 下面手动创建的 recipe module ts re
  • angular12 angular.json

    一 angular json文件时如何产生的 angular6之前我们通过脚手架 angular cli 创建的项目会有一个angular cli json文件 此文件是cli的相关配置信息 在angular6 的版本后 原先的angula
  • echarts3d饼图,环形图(包含透明效果)

    效果图 饼图 环形图 带透明度的环形图 安装echarts echarts 5 1 2 echarts gl 2 0 8 import Vue from vue import as echarts from echarts import e
  • 区块链是什么意思?

    区块链是分布式数据存储 点对点传输 共识机制 加密算法等计算机技术的新型应用模式 所谓共识机制是区块链系统中实现不同节点之间建立信任 获取权益的数学算法 区块链 Blockchain 是比特币的一个重要概念 它本质上是一个去中心化的数据库
  • 如何在IDEA中运行Scala代码

    有些Java项目中会存在一些scala代码 scala不同于普通的java代码 就需要在idea中单独配置一下scala环境 下载scala相关包 https www scala lang org download scala2 html
  • 堆、栈、常量池的理解

    本文对java的栈 堆和常量池之间的关系以及存放的内容讲一些个人浅显的理解 1 栈 存放基本类型的数据和对象的引用 但对象本身不存放在栈中 而是存放在堆中 我的理解 栈其实是用于存放对象的地址 对象的引用其实就是地址 比如 Test tes
  • 吸顶那个叫什么_吸顶式无线ap优缺点(无线吸顶ap是什么)

    当我与大家分享如何桥接无线路由器以扩大无线网络的覆盖范围时 我提到如果我想获得更大的无线网络覆盖范围 无线接入点可以用于更稳定的无线信号 1 什么是美联社 接入点是接入点的缩写 它不仅仅是一个无线接入点 它能把有线网络转换成无线网络供我们使
  • java频繁创建对象优化方案

    java频繁创建对象优化方案 优化思路 具体实现 参考连接 霞光里 目前在项目中 需要频繁的创建对象 导致程序比较慢 优化思路 假如创建的对象 需要在 if 判断条件中使用 则在 if 判断条件中new新对象 这样可以减少对象的创建 使用浅
  • Java 字符串转换为字符数组(String转成char[]数组)的方法

    转载 Java 字符串转换为字符数组 String转成char 数组 的方法 java 字符串转字符数组 Smile sea breeze的博客 CSDN博客
  • C++11 互斥锁

    目录 互斥锁 2 1 独占互斥量std mutex std mutex使用Demo 2 2 递归互斥量std recursive mutex 死锁demo 使用std recursive mutex递归锁 2 3 带超时的互斥量 std t
  • cityscapes数据集的下载和应用

    链接内容 官方地址 https www cityscapes dataset com 使用git的地址 https github com mcordts cityscapesScripts 要自己登录download的哦 数据下载在官网下载