城市景观¶
- 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)[source]¶
城市景观 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 (字符串, 可选) – 要使用的图像分割,
train
、test
或val
(如果 mode=”fine”),否则为train
、train_extra
或val
mode (字符串, 可选) – 要使用的质量模式,
fine
或coarse
target_type (字符串 或 列表, 可选) – 要使用的目标类型,
instance
、semantic
、polygon
或color
。也可以是列表,以输出包含所有指定目标类型的元组。transform (可调用, 可选) – 一个函数/转换,它接受一个 PIL 图像并返回一个转换后的版本。例如,
transforms.RandomCrop
target_transform (可调用, 可选) – 一个函数/转换,它接受目标并对其进行转换。
transforms (可调用, 可选) – 一个函数/转换,它接受输入样本及其目标作为输入,并返回一个转换后的版本。
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”集合上验证
dataset = Cityscapes('./data/cityscapes', split='val', mode='coarse', target_type='semantic') img, smnt = dataset[0]
- 特殊成员: