Cityscapes Scripts – 快速概览

它是什么 – 一套 Python 工具箱，协助您处理 Cityscapes 数据集，这是一个广受欢迎的街景图像基准，用于训练与评估计算机视觉模型（语义分割、实例分割、全景分割、3‑D 物体检测等）。

为什么它很重要 – 该数据集规模庞大，具有复杂的文件夹结构与多种标注格式（精细/粗略多边形、PNG 标签图、3‑D 框等）。这些脚本自动化了下载、可视化、转换与评估这些标注的繁琐步骤，让研究人员能专注于模型本身。

---

主要功能 (如 README 所述)

领域	工具箱提供的功能
安装	pip install cityscapesscripts (可通过 cityscapesscripts[gui] 安装 GUI 额外功能)。
数据处理	csDownload – 用于官方 Cityscapes 套件的命令行下载器。
可视化	csViewer – 带有任何标注类型叠加层的图像查看器；csLabelTool – 数据集创建者使用的原始标注 UI。
转换工具	• csCreateTrainIdLabelImgs – 将多边形 JSON 转为带有 train‑ID 标签的 PNG。 • csCreateTrainIdInstanceImgs – 同上，但包含实例 ID。 • csCreatePanopticImgs – 导出为 COCO 风格的全景格式。
评估	• 像素级语义标注 (csEvalPixelLevelSemanticLabeling)。 • 实例级语义标注 (csEvalInstanceLevelSemanticLabeling)。 • 全景分割 (csEvalPanopticSemanticLabeling)。 • 3‑D 物体检测 (csEvalObjectDetection3d)。
3‑D 可视化	csPlot3dDetectionResults – 绘制存储为 JSON 的 3‑D 检测输出。
辅助工具	helpers/labels.py 与 helpers/labels_cityPersons.py 定义了转换/评估工具使用的类别 ID、色彩映射与映射关系。
Cython 加速	可选的 Cython 构建 (CYTHONIZE_EVAL=1 python setup.py build_ext --inplace) 以加速评估（已在 Ubuntu 上测试）。

---

典型工作流程

1. 设置数据集根目录 – 导出 CITYSCAPES_DATASET=/path/to/cityscapes（许多脚本会读取此环境变量）。
2. 下载 – 运行 csDownload 以获取所需的分割区（训练/验证/测试、精细/粗略等）。
3. 检查 – 使用 csViewer 浏览图像并叠加任何标注类型。
4. 准备 – 使用 csCreate* 工具将多边形标注转换为模型所需的 PNG 标签图。
5. 训练 / 推理 – 将准备好的图像/标签输入您的分割或检测模型。
6. 评估 – 推理后，在验证集上调用适当的 csEval* 脚本，以获取官方 Cityscapes 指标（IoU、AP、PQ 等）。
7. 提交 – 对于测试集，请依照评估脚本的说明格式化结果，并通过 Cityscapes 提交入口网站上传。

---

谁会使用此工具

• 研究实验室：建立最先进的街景感知模型。
• 学生：需要可靠的方式将数据集转换为与 PyTorch/TensorFlow 流水线兼容的格式。
• 竞赛者：Cityscapes 排行榜的参赛者，必须遵循精确的评估协议。

---

授权与联系

• 脚本采用 MIT 授权（可自由修改与重新分发）。
• 数据集本身有其自定义授权；在使用数据前，您必须同意这些条款。
• 维护者：Marius Cordts, Mohamed Omran – 可通过 mail@cityscapes-dataset.net 联系。

---

简而言之，Cityscapes Scripts 存储库是一个实用且文档完善的工具套件，简化了最广泛使用的自动驾驶视觉基准之一的端到端处理流程。