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

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

• target_type (string or list, optional) – 要使用的目标类型，instance、semantic、polygon 或 color。也可以是列表，用于输出包含所有指定目标类型的元组。

• transform (callable, optional) – 一个函数/转换，它接收一个 PIL 图像并返回转换后的版本。例如，transforms.RandomCrop

• target_transform (callable, optional) – 一个函数/转换，它接收目标并对其进行转换。

• transforms (callable, optional) – 一个函数/转换，它接收输入样本及其目标作为输入并返回转换后的版本。

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“粗略”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：

(图像, 目标)，如果 target_type 是一个包含多个项的列表，则目标是一个包含所有目标类型的元组。否则，如果 target_type=”polygon”，目标是一个 json 对象，否则是图像分割。

返回类型：

tuple