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 資料集。

參數：

• root (str 或 pathlib.Path) – 資料集的根目錄，leftImg8bit 和 gtFine 或 gtCoarse 所在的目錄。

• split (string, optional) – 要使用的圖片分割，如果 mode="fine"，則為 train、test 或 val，否則為 train、train_extra 或 val。

• mode (string, optional) – 要使用的品質模式，fine 或 coarse。

• target_type (string 或 list, optional) – 要使用的目標類型，instance、semantic、polygon 或 color。也可以是一個列表，以輸出包含所有指定目標類型的元組。

• transform (callable, optional) – 接收 PIL 圖像並返回轉換後版本的函數/轉換。例如，transforms.RandomCrop。

• target_transform (callable, optional) – 接收目標並轉換它的函數/轉換。

• transforms (callable, optional) – 接收輸入樣本及其目標作為條目並返回轉換後版本的函數/轉換。

範例

取得語義分割目標

dataset = Cityscapes('./data/cityscapes', split='train', mode='fine',
                     target_type='semantic')

img, smnt = dataset[0]

取得多個目標

dataset = Cityscapes('./data/cityscapes', split='train', mode='fine',
                     target_type=['instance', 'color', 'polygon'])

img, (inst, col, poly) = dataset[0]

在 "coarse" 集合上驗證

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

img, smnt = dataset[0]

特殊成員：

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

參數：

index (int) – 索引

回傳：

(image, target)，如果 target_type 是一個包含多個項目的列表，則 target 是所有目標類型的元組。否則，如果 target_type="polygon"，則 target 是一個 json 物件，否則為圖像分割。

回傳類型：

tuple