数据集准备

PaddleSeg目前支持CityScapes、ADE20K、Pascal VOC等数据集的加载，在加载数据集时，如若本地不存在对应数据，则会自动触发下载(除Cityscapes数据集).

关于CityScapes数据集

Cityscapes是关于城市街道场景的语义理解图片数据集。它主要包含来自50个不同城市的街道场景， 拥有5000张（2048 x 1024）城市驾驶场景的高质量像素级注释图像，包含19个类别。其中训练集2975张， 验证集500张和测试集1525张。

由于协议限制，请自行前往CityScapes官网下载数据集， 我们建议您将数据集存放于PaddleSeg/data中，以便与我们配置文件完全兼容。数据集下载后请组织成如下结构：

cityscapes
|
|--leftImg8bit
|  |--train
|  |--val
|  |--test
|
|--gtFine
|  |--train
|  |--val
|  |--test

运行下列命令进行标签转换：

pip install cityscapesscripts
python tools/convert_cityscapes.py --cityscapes_path data/cityscapes --num_workers 8

其中cityscapes_path应根据实际数据集路径进行调整。 num_workers决定启动的进程数，可根据实际情况进行调整大小。

关于Pascal VOC 2012数据集

Pascal VOC 2012数据集以对象分割为主，包含20个类别和背景类，其中训练集1464张，验证集1449张。 通常情况下会利用SBD(Semantic Boundaries Dataset)进行扩充，扩充后训练集10582张。 运行下列命令进行SBD数据集下载并进行扩充：

python tools/voc_augment.py --voc_path data/VOCdevkit --num_workers 8

其中voc_path应根据实际数据集路径进行调整。

注意 运行前请确保在PaddleSeg目录下执行过下列命令：

export PYTHONPATH=`pwd`
# windows下请执行相面的命令
# set PYTHONPATH=%cd%

关于ADE20K数据集

ADE20K由MIT发布的可用于场景感知、分割和多物体识别等多种任务的数据集。 其涵盖了150个语义类别，包括训练集20210张，验证集2000张。

关于Coco Stuff数据集

Coco Stuff是基于Coco数据集的像素级别语义分割数据集。它主要覆盖172个类别，包含80个'thing'，91个'stuff'和1个'unlabeled', 其中训练集118k, 验证集5k.

在使用Coco Stuff数据集前， 请自行前往COCO-Stuff主页下载数据集，或者下载coco2017训练集原图, coco2017验证集原图及标注图 我们建议您将数据集存放于PaddleSeg/data中，以便与我们配置文件完全兼容。数据集下载后请组织成如下结构：

cocostuff
|
|--images
|  |--train2017
|  |--val2017
|
|--annotations
|  |--train2017
|  |--val2017

其中，标注图像的标签从0,1依次取值，不可间隔。若有需要忽略的像素，则按255进行标注。

关于Pascal Context数据集

Pascal Context是基于PASCAL VOC 2010数据集额外标注的像素级别的语义分割数据集。我们提供的转换脚本支持59个类别，其中训练集4996, 验证集5104张.

在使用Pascal Context数据集前， 请先下载VOC2010，随后自行前往Pascal-Context主页下载数据集及标注 我们建议您将数据集存放于PaddleSeg/data中，以便与我们配置文件完全兼容。数据集下载后请组织成如下结构：

VOC2010
|
|--Annotations
|
|--ImageSets
|
|--SegmentationClass
|  
|--JPEGImages
|
|--SegmentationObject
|
|--trainval_merged.json

其中，标注图像的标签从1，2依次取值，不可间隔。若有需要忽略的像素，则按0进行标注。在使用Pascal Context数据集时，需要安装Detail.

自定义数据集

如果您需要使用自定义数据集进行训练，请按照以下步骤准备数据.

1.推荐整理成如下结构

custom_dataset
    |
    |--images
    |  |--image1.jpg
    |  |--image2.jpg
    |  |--...
    |
    |--labels
    |  |--label1.jpg
    |  |--label2.png
    |  |--...
    |
    |--train.txt
    |
    |--val.txt
    |
    |--test.txt

其中train.txt和val.txt的内容如下所示：

images/image1.jpg labels/label1.png
images/image2.jpg labels/label2.png
...

2.标注图像的标签从0,1依次取值，不可间隔。若有需要忽略的像素，则按255进行标注。

可按如下方式对自定义数据集进行配置：

train_dataset:
  type: Dataset
  dataset_root: custom_dataset
  train_path: custom_dataset/train.txt
  num_classes: 2
  transforms:
    - type: ResizeStepScaling
      min_scale_factor: 0.5
      max_scale_factor: 2.0
      scale_step_size: 0.25
    - type: RandomPaddingCrop
      crop_size: [512, 512]
    - type: RandomHorizontalFlip
    - type: Normalize
  mode: train