小伙伴们             ，乐于分享的OpenDataLab来啦！这次
  
 
  
 
  
 
  
 
  
 
  
 
，给大家带来一份ADE20K 数据集的详细使用“攻略
  
  
  
  
  
  ”











，助大家模型训练一臂之力             。

这个由MIT 发布的大型数据集 
  
  
  
  
  
  ，可用于场景感知             、解析
  
 
  
 
  
 
  
 
  
 
  
 
、分割











、多物体识别和语义理解
  
  
  
  
  
  
，不容错过
  
 
  
 
  
 
  
 
  
 
  
 
。

一 
  
  
  
  
  
  、数据集简介

发布方：MIT CSAIL Computer Vision Group

发布时间：2016

背景：视觉场景的语义理解是计算机视觉的关键问题











。尽管社区在数据收集方面做出了努力
 


 


 


 


 


 

，但仍然很少有图像数据集涵盖广泛的场景和对象类别 
 
 
 
 
 
 ，而且缺乏具有用于场景理解的逐像素注释 
  
  
  
  
  
  。

简介：ADE20K涵盖了场景
  
  
  
  
  
  
、对象
 


 


 


 


 


 

、对象部分的各种注释
   
   
   
   
   
   
，在某些情况下甚至是部分的部分
  
  
  
  
  
  
。有25k张复杂日常场景的图像
 

 

 

 

 

 
，其中包含自然空间环境中的各种对象
 


 


 


 


 


 

。每个图像平均有19.5个实例和10.5个对象类 
 
 
 
 
 
 。

二 
 
 
 
 
 
 、数据集详细信息

1. 标注数据量

● 训练集：20210张图像

● 验证集：2000张图像

● 测试集：3000张图像

2. 标注类别

数据集的标注包含三种视觉概念：

● 离散对象（discrete object） 

 

 

 

 

 

 ，它是具有明确定义的形状的事物            ，例如汽车
   
   
   
   
   
   
、人；

● 包含无定形背景区域的东西（stuff）

 
 

 
 

 
 

 
 

 
 

 
 
，例如草
 

 

 

 

 

 
、天空；

● 对象部分（object part）











，它是某些具有功能意义的现有对象实例的组件                   ，例如头部或腿部
   
   
   
   
   
   
。

三种视觉概念共标注类别3169类
 
 
 
 
 
 
 
 
 
 
 
 
，其中离散对象和无定形背景区域的东西有2693类
 

 

 

 

 

 
。对象部分有476类 

 

 

 

 

 

 。

3. 可视化

图1：第一行显示样本图像

















，第二行显示对象的标注             ，第三行显示对象部分的标注            。颜色方案同时编码对象类别和对象实例
  
 
  
 
  
 
  
 
  
 
  
 
，即不同的对象类别具有较大的色差











，而来自同一对象类别的不同实例具有较小的色差（例如 
  
  
  
  
  
  ，第一张图像中的不同人实例具有略微不同的颜色）

 
 

 
 

 
 

 
 

 
 

 
 
。

三 

 

 

 

 

 

 、数据集任务定义及介绍

1. 场景解析

● 定义

场景解析是将整个图像密集地分割成语义类
  
  
  
  
  
  
，其中每个像素都被分配一个类标签
 


 


 


 


 


 

，例如树的区域和建筑物的区域











。

● 基准

作者选择 ADE20K 数据集中按其总像素比排名的前150个类别 
 
 
 
 
 
 ，并构建 ADE20K 的场景解析基准
   
   
   
   
   
   
，称为 SceneParse150                   。

在150个类别中
 

 

 

 

 

 
，有35个东西类（即墙壁            、天空

 
 

 
 

 
 

 
 

 
 

 
 
、道路）和115个离散对象类（即汽车











、人                   、桌子）
 
 
 
 
 
 
 
 
 
 
 
 
。150个类的标注像素占数据集所有像素的92.75% 

 

 

 

 

 

 ，其中无定形背景区域的东西类占60.92%            ，离散对象类占31.83%

















。

结果以通常用于语义分割的四个指标报告：

- Pixel accuracy（像素精度）：表示正确分类的像素的比例；

- Mean accuracy（平均准确度）：表示在所有类别中平均正确分类的像素的比例；

- Mean IoU（平均 IoU）：表示预测像素和真实像素之间的交并比

 
 

 
 

 
 

 
 

 
 

 
 
，在所有类上平均；

- Weighted IoU（加权IoU）：表示按每个类的总像素比加权的 IoU             。

2. 实例分割

● 定义

实例分割是检测图像中的对象实例











，并进一步生成对象的精确分割掩码
  
 
  
 
  
 
  
 
  
 
  
 
。它与场景解析任务的不同之处在于                   ，场景解析中没有分割区域的实例概念
 
 
 
 
 
 
 
 
 
 
 
 
，而在实例分割中

















，如果场景中有三个人             ，则需要网络对每个人区域进行分割











。

● 基准

为了对实例分割的性能进行基准测试
  
 
  
 
  
 
  
 
  
 
  
 
，作者从完整数据集中选择了100个前景对象类别











，将其称为 InstSeg100 
  
  
  
  
  
  。InstSeg100 中对象实例总数为 218K 
  
  
  
  
  
  ，平均每个对象类别有2.2K个实例
  
  
  
  
  
  
，每个图像有10个实例；除船舶外的所有对象都有超过100个实例
  
  
  
  
  
  
。

结果以如下指标报告：

一个总体度量平均精度 mAP
 


 


 


 


 


 

，以及不同对象尺度上的度量 
 
 
 
 
 
 ，用mAP_S（小于32×32像素的对象）
 
 
 
 
 
 
 
 
 
 
 
 
、mAP_M（在32×32和96×96像素之间）和 mAP_L（大于96×96像素）
 


 


 


 


 


 

。

四

















、数据集文件结构解读

目录结构：（语言：Python）

ADE20K_2021_17_01/ images/ training/ cultural/ apse__indoor/ <filename0>.jpg # 原图像 <filename0>_seg.png # 分割图
   
   
   
   
   
   
，通道R和G编码对象类别ID
 

 

 

 

 

 
， # 通道B编码实例ID <filename0>_parts_{i}.png # 部件分割图,i表示第i层部件 

 

 

 

 

 

 ，如car # 属于第一层部件            ，wheel属于第二层部件 <filename0>.json # 存储图像中所有实例的多边形

 
 

 
 

 
 

 
 

 
 

 
 
，属性等信息 <filename0>/ # 存储图像中所有实例mask的目录 instance_000_<filename0>.png instance_001_<filename0>.png ... ... ... validation/ cultural/ apse__indoor/ <filename1>.jpg <filename1>_seg.png <filename1>_aprts_{i}.png <filename1>.json <filename1>/ instance_000_<filename1>.png instance_001_<filename1>.png ... ... ... ...    index_ade20k.pkl                    # 数据和存储图像的文件夹的统计信息

<filename>.json文件格式：

{ "annotation": { "filename": "<filename>.jpg", # 图像名称 "folder": "ADE20K_2021_17_01/images/ADE/training/urban/street", # 图像存储的相对路径 "imsize": [ # 图像高             、宽
  
 
  
 
  
 
  
 
  
 
  
 
、通道数 1536, 2048, 3 ], "source": { # 图像来源信息 "folder": "static_sun_database/s/street", "filename": "labelme_acyknxirsfolpon.jpg", "origin": "" }, "scene": [ # 图像场景信息 "outdoor", "urban", "street" ], "object": [ # 标注实例列表 { "id":0, # 实例ID "name":"traffic light, traffic signal, stoplight", # 实例标签 "name_ndx": 2836, # 实例标签 "hypernym": [ # 上位词 "traffic light, traffic signal, stoplight", "light", "visual signal", "signal, signaling, sign", "communication", "abstraction, abstract entity", "entity" ], "raw_name": "traffic light", "attributes": [], # 属性 "depth_ordering_rank": 1, # 深度顺序 "occluded": "no", # 遮挡情况 "crop": "0", "parts": { # 部件信息 "hasparts": [], "ispartof": [], "part_level": 0 }, "instance_mask": "<filename>/instance_000_<filename>.png", # 对应的实例mask "polygon": { # 多边形坐标 "x": [346, ...], "y": [781, ...] }, "saved_date": "18-Dec-2005 06:56:48" }, ... ]

图2: index_ade20k.pkl 文件用Python打开后的格式

index_ade20k.pkl 里各个字段含义：

filename：长度为 N=27574 的数组











，带有图像文件名 
 
 
 
 
 
 。

folder：包含图像文件夹名称的长度为 N 的数组
   
   
   
   
   
   
。

objectIsPart：是对象部分的对象类别. 大小为 [C, N] 的数组                   ，计算一个对象在每个图像中成为一部分的次数
 

 

 

 

 

 
。objectIsPart[c,i]=m 如果在图像 i 中对象类 c 是另一个对象的一部分 m 次 

 

 

 

 

 

 。

objectPresence：大小为 [C, N] 的数组
 
 
 
 
 
 
 
 
 
 
 
 
，每个图像的对象计数            。objectPresence(c,i)=n 如果在图像 i 中有 n 个对象类 c 的实例

 
 

 
 

 
 

 
 

 
 

 
 
。

objectcounts：长度为 C 的数组

















，每个对象类的实例数











。

objectnames：带有对象类名的长度为 C 的数组                   。

proportionClassIsPart：长度为 C 的数组             ，其中 c 类作为一部分的次数比例
 
 
 
 
 
 
 
 
 
 
 
 
。如果 ratioClassIsPart[c]=0 则意味着这是一个主要对象（例如
  
 
  
 
  
 
  
 
  
 
  
 
，汽车











、椅子……）

















。

scene：长度为 N 的数组











，为每个图像提供场景名称（与 Places 数据库相同的类）

wordnet_found：长度为 C 的数组             。它表示是否在 Wordnet 中找到了对象名
  
 
  
 
  
 
  
 
  
 
  
 
。

wordnet_level1：长度为C 的列表











。WordNet 关联的列表 
  
  
  
  
  
  。

wordnet_synset：长度为 C 的列表
  
  
  
  
  
  
。每个对象名称的 WordNet 同义词集
 


 


 


 


 


 

。

wordnet_hypernym：长度为 C 的列表 
 
 
 
 
 
 。每个对象名称的 WordNet 上位词列表
   
   
   
   
   
   
。

wordnet_gloss：长度为 C 的列表
 

 

 

 

 

 
。存的是WordNet同义词集合对应的定义 

 

 

 

 

 

 。

wordnet_frequency：长度为 C 的数组            。每个WordNet同义词集合出现的次数

 
 

 
 

 
 

 
 

 
 

 
 
。

description：对index ade20k.pkl中每个字段的描述











。

五 
  
  
  
  
  
  、数据集资源

OpenDataLab平台已经上架了ADE20K数据集 
  
  
  
  
  
  ，为大家提供了完整的数据集信息
  
  
  
  
  
  
、流畅的下载速度
  
  
  
  
  
  
，快来体验吧！

ADE20K 2021数据集

参考资料：

[1]官网：https://groups.csail.mit.edu/vision/datasets/ADE20K/

[2]论文：Semantic Understanding of Scenes through ADE20K Dataset. Bolei Zhou, Hang Zhao, Xavier Puig, Tete Xiao, Sanja Fidler, Adela Barriuso and Antonio Torralba. International Journal on Computer Vision (IJCV).[PDF]

[3]Github：https://github.com/CSAILVision/ADE20K

更多数据集上架动态
 


 


 


 


 


 

、更全面的数据集内容解读 
 
 
 
 
 
 、最牛大佬在线答疑
   
   
   
   
   
   
、最活跃的同行圈子……欢迎添加微信opendatalab_yunying 加入OpenDataLab官方交流群                   。