Cityscapes数据集的深度完整解析

cityscapes数据集是分割模型训练时比较常用的一个数据集，他还可以用来训练GAN网络生成街景图片。

数据集下载和文件夹组成：

- 整个数据集包含50个欧洲城市，5000张精细标注图像(标注位于gtFine文件夹，2975张train(就是这部分图像用来训练)，500张val，1525张test，19个分类类别)，以及20000张非精细标注图像(标注位于gtCoarse文件夹)，源图大小都是1024x2048(hxw)

- 数据集下载一般有2-3个包，分别对应2-3个文件夹，即如下：

- leftImg8bit(11G)，放置训练源图，按城市分子文件夹，存放png图片

- gtFine(241M)，放置精细标注文件，按城市分子文件夹，存放png/json文件

- gtCoarse(1.3G)，放置非精细标注的文件(该文件夹不是必须，可不使用)

- cityscapesscripts，放置处理脚本(该文件夹不是必须，可不使用)

 

- 文件夹leftImg8bit：先分train/val/test三个文件夹，每个文件夹下又按城市分子文件夹，每个城市文件夹下就是源图png文件。

- 文件夹gtFine：先分train(18个城市)/val(3个城市)/test(6个城市)三个文件夹，每个文件夹下又按城市分子文件夹，每个城市文件夹下针对每张源图png文件对应了6张标注文件：

- xxx_gtFine_color.png 代表可视化的分割图，一般不用

- xxx_gtFine_instanceIds.png 代表实例分割标注文件

- xxx_gtFine_instanceTrainIds.png 代表实例

- xxx_gtFine_labelIds.png 代表每个实例的标签id标注

- xxx_gtFine_labelTrainIds.png

- xxx_gtFine_polygons.json

- 文件夹cityscapesscript：包含一些支持脚本/可视化脚本

 

标注文件解析：所有标注文件都在gtFine文件夹下

标注文件1：cityscapesscripts/helpers/label.py

该文件包含cityscapes数据集的所有类和相关label的对应关系

- 其中”id”列代表类别编号，从0-33加上-1总计有35种类型

- 其中”hasInstances”列代表是否有实例标记，如果为True则会在InstanceIds.png标记出来

 

 

标注文件2：xxx_gtFine_polygons.json

该文件是标注文件，基本结构如下所示：包含了一张图像上分割的所有对象的label/polygon，以aachen_000055_000019_gtFine_polygons.json为例，包括每个标注物体的label以及polygon通过坐标形式存放。

 

标注文件3：xxx_gtFine_color.json

该文件是标记可视化文件，如下图左边的图所示。对每个类别都采用一种固定的颜色进行可视化，该颜色可以根据id从label.py中查找到。

 

以aachen_000055_000019_gtFine_color.png为例，打开文件放大如下：

- 左下角蓝色的rgb为(0,0,142)，跟label.py中对id26=’car’的颜色定义一致

- 同理绿色rgb(107,142,35)跟id21=’vegitation’的颜色定义一致，红色rgb(220,20,60)跟id24=’person’的颜色定义一致

 

 

标注文件4：xxx_gtFine_labelIds.png

该文件是类别标注文件，如下中间的图所示，他包含了所有类别”id”的标记

 

以aachen_000055_000019_gtFine_labelIds.png为例，打开文件放大如下：

- 其中26代表car，21代表vegitation，7代表road，8代表sidewalk，24代表person

 

 

标注文件5：xxx_gtFine_instanceIds.png

该文件是实例标注文件，如下右图所示，他只包含了在label.py中’hasInstances’=True的物体，也就是总计标记了10类。

 

以aachen_000055_000019_gtFine_instanceIds.png为例，打开文件放大如下：

注意：如果直接用opencv的常规方式打开图像，放大后显示的像素值如上图所示，但该像素值并不是真实的instanceIds的像素值，而是被opencv默认截取到[0,255]的像素值(也就是自动把图形的数据类型从uint转为uchar了)。但实际上instanceIds的像素值是通过计算方式val=id*1000+i，数据类型为uint，其中id默认是等于”id”列的值，i则默认从0开始计数的整数，从而instanceIds.png才能作为一个实例分割的标记图像。我们需要通过cv2.imread(path, cv2.IMREA_UNCHANGED)才能无损的读取到实例的uint图像数据。

如下所示方法获取实际的实例分割图像的值：

其中24000/24001代表id=24的person，26000/26001代表id=26的car，且编号从0开始按顺序递增，同类型不同物体被区分开来。

instance = cv2.imread(instance_path, cv2.IMREAD_UNCHANGED)

print(np.unique(instance))  # 此时才能看到实际数值范围[0, 1, 3, ..24000, 24001, 26000, 26001]

 

标注文件6：xxx_gtFine_labelTrainIds.png

该文件是类别标注文件，如下右图所示。

- 跟label.png的区别在于：

- labelIds.png是按照’id’列标记，而labelTrainIds.png则可以自定义按哪一列标记，默认是按照’trainId’列标记，也可以按照’id’列/’trainId’列/’color’列来标记

- label.png中是把所有像素全都标记了，不存在255的像素，而labelTrainIds.png则只标记了18类(trainid列的值不为255的类别)，其他类别都设置为255，所以labelTrainIds.png中会有很多白色色块，就是代表了所谓非18类之外的背景色块

 

如下所示在右边labelTrainIds.png图像中：

- 其中所有类别标记都是按照trainId列的值标注的，所以11代表person，8代表vegitation，5代表pole，255代表background

 

- labelTrainIds.png的图像可以根据自己的需求修改labels.py中trainIds/ids/colors列的内容，从而体现在labelTrainIds.py的内容，而生成labelTrainIds.png的方法参考cityscapesscripts/preparation/json2labelImg.py/createLabelImage()

- 形参encoding决定用哪种编码列：可选择’id’,’trainId’,’color’

- 循环提取每一个annotation.objects中的val=name2label[label].id并绘制

drawer.plygon(polygon, fill=val) # 也就是用编码查找的val填入。

 

标注文件7：xxx_gtFine_instanceTrainIds.png

该文件是实例标注文件，如下右图所示，他只包含了在label.py中’hasInstances’=True的物体。

跟instanceIds的区别在于：

- instanceTrainIds.png文件标注的值是用id*1000+i，其中id可以设置为”ids”列或者”trainIds”列的值，i为从0开始的整数，也就是每个同类别不同物体会被区分开来。而instanceIds.png则是默认用”ids”列填充的，一般不能修改。

- 通过cv2.imread(path, cv2.IMREAD_UNCHANGED)可读取到无损的uint值，可看到默认的instanceTrainIds.png的值为[0,1,2,...11000, 11001, 13000, 13001]，也就是默认用trainid*1000+i进行填充的。

 

 

如何自定义生成xxx_labelTrainIds.png和xxx_instanceTrainIds.png文件

- 可以通过cityscapesscripts/preparation里边的createTrainidInstanceImgs.py和createTrainIdLabelImgs.py来生成，函数底层是调用json2instanceImg.py和json2labelImg.py两个函数来实现的。生成的图像会自动替换掉原本cityscapse数据集中的labelTrainIds.png和instanceTrainIds.png文件，并生成一个额外的json文件供调用。