A dataset for urban road instance segmentation

本实验使用了一个综合数据集，该数据集结合了 Cityscapes 数据集和 BDD100k 数据集，总共有 5000 张图像。其中，Cityscapes 数据集提供 3475 张图像，而 BDD100k 数据集提供 1525 张图像。由于 Cityscapes 数据集中的大部分图像是在弱光条件下拍摄的，因此在 BDD100k 数据集中专门添加了自然光照条件下的城市场景图像，以增强模型在不同光照条件下的鲁棒性。数据集随机分为 4000 张训练图像和 1000 张验证图像，用于模型训练和性能评估。数据集包含 8 个实例级细分类别，包括行人、骑行者、汽车、卡车、公共汽车、火车、摩托车和自行车。这些类别覆盖了城市场景中常见的目标类型，可以有效支持多类别分割任务中模型的学习和优化。为了便于与现有模型进行比较，将实验数据集转换为 YOLO 和 COCO 格式。这种格式转换不仅提高了数据集的兼容性，而且为评估模型的性能提供了标准化的基准。该数据集的设计旨在提供一个平衡和多样化的训练和验证环境，以支持模型在复杂城市场景中的鲁棒性和准确性。