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]¶

Cityscapes 数据集。

Parameters:

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, optional) – 使用的图像分割，如果模式为“fine”，则为train、test或val，否则为train、train_extra或val
mode (string, optional) – 使用的质量模式，fine 或 coarse
target_type (string 或 list, 可选) – 使用的目标类型，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, optional) – 一个函数/变换，接收一个PIL图像并返回一个变换后的版本。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”集上进行验证

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

img, smnt = dataset[0]

Special-members:

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

Parameters:: index (int) – 索引
Returns:: (image, target) 其中 target 是一个包含所有目标类型的元组，如果 target_type 是一个包含多个项目的列表。否则，如果 target_type="polygon"，则 target 是一个 json 对象，否则是图像分割。
Return type:: tuple