Cityscapes

class torchvision.datasets.Cityscapes(root: Union[str, Path], split: str = 'train', mode: str = 'fine', target_type: Union[List[str], str] = 'instance', transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, transforms: Optional[Callable] = None)

Cityscapes 数据集。

参数:

• root (str 或 pathlib.Path) – 数据集的根目录，其中包含目录 leftImg8bit 和 gtFine 或 gtCoarse。

• split (string, 可选) – 要使用的图像分割，如果 mode=”fine”，则为 train、test 或 val，否则为 train、train_extra 或 val

• mode (string, 可选) – 要使用的质量模式，fine 或 coarse

• target_type (string 或 list, 可选) – 目标类型，instance、semantic、polygon 或 color。也可以是一个列表，以输出包含所有指定目标类型的元组。

• transform (callable, 可选) – 接收 PIL 图像并返回转换后版本的函数/转换。例如，transforms.RandomCrop

• target_transform (callable, 可选) – 接收目标并对其进行转换的函数/转换。

• transforms (callable, 可选) – 接收输入样本及其目标作为条目并返回转换后版本的函数/转换。

示例

获取语义分割目标

dataset = Cityscapes('./data/cityscapes', split='train', mode='fine',
                     target_type='semantic')

img, smnt = dataset[0]

获取多个目标

dataset = Cityscapes('./data/cityscapes', split='train', mode='fine',
                     target_type=['instance', 'color', 'polygon'])

img, (inst, col, poly) = dataset[0]

在“粗糙”集上验证

dataset = Cityscapes('./data/cityscapes', split='val', mode='coarse',
                     target_type='semantic')

img, smnt = dataset[0]

特殊成员:

__getitem__(index: int) → Tuple[Any, Any]

参数:

index (int) – 索引

返回值:

(image, target)，其中如果 target_type 是包含多个项的列表，则 target 是所有目标类型的元组。否则，如果 target_type=”polygon”，则 target 是 json 对象，否则是图像分割。

返回类型:

tuple