快捷方式

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 leftImg8bitgtFinegtCoarse

  • split (字符串, 可选) – 要使用的图像分割,traintestval(如果 mode=”fine”),否则为 traintrain_extraval

  • mode (字符串, 可选) – 要使用的质量模式,finecoarse

  • target_type (字符串列表, 可选) – 要使用的目标类型,instancesemanticpolygoncolor。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:

__getitem__(index: int) Tuple[Any, Any][source]
参数:

index (int) – 索引

返回值:

(image, target),其中 target 是所有目标类型的元组(如果 target_type 是包含多个项目的列表)。否则,target 是一个 json 对象(如果 target_type=”polygon”),否则为图像分割。

返回类型:

元组

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源