ADE20k数据集的简介
ADE20k拥有超过25,000张图像（20ktrain，2k val，3ktest），这些图像用开放字典标签集密集注释。对于2017 Places Challenge 2，选择了覆盖89％所有像素的100个thing和50个stuff类别。在本研究中作者使用后者这个封闭的词汇表。
官网：http://groups.csail.mit.edu/vision/datasets/ADE20K/
1、数据集组成
Training set：20.210 images (browse)
All images are fully annotated with objects and, many of the images have parts too.
Validation set：2.000 images (browse)
Fully annotated with objects and parts
Test set：Images to be released later.
Consistency set：64 images and annotations used for checking the annotation consistency (download)
2、图片和注释
每个文件夹包含按场景类别(与位置数据库相同的场景类别)分隔的图像。对于每个图像，对象和部分分段存储在两个不同的png文件中。所有对象和部分实例都是稀疏注释的。
3、每幅图像下的文件
* . jpg：RGB图像。
* _seg.png：对象分割掩码。此图像包含有关对象类分割掩码的信息，还将每个类分隔为实例。通道R和G编码对象类掩码。通道B对实例对象掩码进行编码。loadAde20K的函数。m提取两个掩模。
* _seg_parts_N.png：零件分割掩码，其中N是一个数字(1,2,3，…)，表示零件层次结构中的级别。部件被组织在一个树中，其中对象由部件组成，部件也可以由部件组成，部件的部件也可以有部件。level N表示部件树中的深度。级别N=1对应于对象的各个部分。所有的部件分割都具有与对象分割掩码相同的编码，类在RG通道中编码，实例在B通道中编码。使用loadAde20K函数。提取部分分割掩码，并将同一类的实例分离。
* _.txt：描述每个图像(描述对象和部件)内容的文本文件。此信息与其他文件是冗余的。但另外还包含有关对象属性的信息。loadAde20K的函数。m还解析这个文件的内容。文本文件中的每一行包含:列1=实例号，列2=部件级别(对象为0)，列3=遮挡(true为1)，列4=类名(使用wordnet解析)，列5=原始名称(可能提供更详细的分类)，列6=逗号分隔的属性列表。
ADE20k数据集的安装
更新……
ADE20k数据集的使用方法
1、该论文中使用了ADE20k数据集
DL之Panoptic Segmentation：Panoptic Segmentation(全景分割)的简介(论文介绍)、全景分割挑战简介、案例应用等配图集合之详细攻略
https://yunyaniu.blog.csdn.net/article/details/100387821
