(一)ADE20K数据集

---

欢迎访问个人网络日志🌹🌹知行空间🌹🌹

---

1.背景简介

ADE20K数据集是2016年MIT开放的场景理解的数据集，可用于实例分割，语义分割和零部件分割。利用图像信息进行场景理解 scene understanding和 scene parsing。

语义分割 Semantic Segmentation即最常见的任务，将图像的不同像素按对象类别 object category进行分类，实例分割Instance Segmentation不仅要识别不同物体所属的类别，还需识别出同类的不同物体。零部件分割 Part Segmentation是在识别出的物体上分割出不同部分所属的零部件类别，这对于理解场景帮助机器人与环境交互十分重要，如在某个 scene中分割出来 chair或者 cup,为了坐下或者拿起杯⼦需要找到 objects中对应的 parts,如 chair可以坐的部分， cup的杯柄， 以实现机器⼈与知行特定的任务。

已有分割公开数据集的现状:

• 类别有限， 且有些数据类别在实际⽣活中并不常⻅如 COCO和 PASCAL数据集；
• 包含的场景过少，如 Cityscapes仅包含城市街区的场景数据；
• Pascal-Context和 SUN还不错， 但 Pascal-Context主要包含其20个对象类的场景， ⽽SUN在对象级别的标注是不准确的。

2.ADE20K

1>ADE20K的官网：https://groups.csail.mit.edu/vision/datasets/ADE20K/index.html

2>ECCV 2016举办的Scene Parsing Challenge 2016http://sceneparsing.csail.mit.edu/index_challenge.html

3>tool kit github repositoryhttps://github.com/CSAILVision/ADE20K

ADE20K由 27000张图像组成，这些图像来自于SUN(2010年普林斯顿大学公开的数据集)和Places(2014年MIT公开的数据集)数据集，ADE20K中由超过3000个物体类别 category，其中很多图像组成物体的零部件的类别，以及组成零部件的零部件的类别，如 汽车的零部件 门，门上面的零部件 窗户。ADE20K中还标注了实例的 id,可用于实例分割。数据中的图像都进行了匿名化处理，做了人脸和车牌号的模糊，去除了隐私信息。

ADE20K的数据分布

• 训练集 Training set包含 25574张完整标注图像
• 验证集 Validation set包含 2000张完整标注图像
• 测试集 Test set还没有发布

ADE20K的数据组成

• 共包含 27574张图像
• 3688个类，类名取自WordNet(WordNet是由普林斯顿大学认识科学实验室在心理学教授乔治·A·米勒的指导下建立和维护一个词与词之间存在各种关系的英语字典)
• 707868个对象
• 193238个零部件

数据文件目录结构

.
└── ADE20K_2021_17_01
    └── images
        └── ADE
            └── training
                └── urban
                    └── street
                        ├── ADE_train_00016869
                        │   ├── instance_000_ADE_train_00016869.png
                        │   ├── instance_001_ADE_train_00016869.png
                        │   ├── instance_..._ADE_train_00016869.png
                        ├── ADE_train_00016869.jpg
                        ├── ADE_train_00016869.json
                        ├── ADE_train_00016869_parts_1.