Cityscapes数据集[26]包含了来自50个不同城市的街道场景视频，包括5 000个具有细粒度像素级标注的视频帧和20 000个具有粗粒度标注的视频帧，如图7.11所示。Cityscapes数据集具有像素级、实例级和全景语义标注，旨在评估各种相关算法在场景语义理解任务上的性能。

图7.11　Cityscapes数据集的细粒度和粗粒度标注示例[26]

Cityscapes数据集共包含30个目标类别，可以划分为平面、建筑、自然、交通工具、天空、物体、人和虚空8个大类。每个大类涵盖1～8个子类别，如图7.12所示。图7.13以直方图的形式展示了数据集中各个目标类别的像素个数。整个数据集的内容是多元化的，包含了50个城市在春季、夏季、秋季天气质量良好情况下的场景图像。

图7.12　Cityscapes数据集的目标类别结构[26]

图7.13　Cityscapes数据集各类别的像素数量统计[26](www.daowen.com)

x轴：目标大类；y轴：相应大类的标注像素数量

Cityscapes数据集中的图像被划分为单独的训练集、验证集和测试集，弱标注图像作为附加训练数据。这些训练集、验证集和测试集的划分不是随机的，必须确保每个集合（训练集、验证集和测试集）都能包含多种街道场景。基本的划分标准包括各个城市的地理位置、人口规模的均衡分布以及图像拍摄记录时间的均衡分布。具体来说，训练集、验证集和测试集图像收集遵循以下标准：①在大、中、小城市；②在地理位置的西、中、东；③在地理位置的北、中、南；④在年初、年中期和年末。根据上述标准，Cityscapes数据集包含5 000张具有像素级标注的图像，其中2 975张图像构成训练集，500张图像构成验证集，1 525张图像构成测试集。训练集和验证集对外公布，测试集不对外公布。

Foggy Cityscapes数据集[27]由在Cityscapes数据集上应用雾模拟生成的20 550张图像组成。这些图像自动继承对应于Cityscapes数据集中真实、清晰的图像的语义标注。每张图像都具有确定雾密度和能见度范围的恒定衰减系数。衰减系数分别为0.005 m-1、0.01 m-1和0.02 m-1，分别对应600 m、300 m和150 m的能见度范围。图7.14为不同雾密度下的Foggy Cityscapes数据集示例。

图7.14　不同雾密度下的Foggy Cityscapes数据集示例[27]