Python PyTorch Cityscapes用法及代码示例

本文简要介绍python语言中 torchvision.datasets.Cityscapes 的用法。

用法:

class torchvision.datasets.Cityscapes(root: str, 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)

参数：

• root(string) -leftImg8bit和gtFine或gtCoarse所在目录的数据集根目录。

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

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

• target_type(string或者list,可选的) -要使用的目标类型，instance、semantic、polygon 或 color。也可以是一个列表以输出具有所有指定目标类型的元组。

• transform(可调用的,可选的) -接受 PIL 图像并返回转换版本的函数/转换。例如，transforms.RandomCrop

• target_transform(可调用的,可选的) -接收目标并对其进行转换的函数/转换。

• transforms(可调用的,可选的) -将输入样本及其目标作为条目并返回转换版本的函数/转换。

Cityscapes 数据集。

例子

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]

验证 “coarse” 集

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

img, smnt = dataset[0]