占道经营数据集说明
数据集核心信息表
| 信息类别 | 具体内容 |
|---|---|
| 数据集类别 | 实例分割（Instance Segmentation）类计算机视觉数据集，包含 “yusanyusan” 和 “zhandaojingying” 2 个核心类别 |
| 数据数量 | 包含 359 张标注图像，覆盖占道经营相关场景的典型视觉样本 |
| 数据集格式种类 | 支持计算机视觉模型训练常用格式，适配主流实例分割算法的数据输入需求 |
| 最重要应用价值 | 1. 为城市管理领域的占道经营智能监测系统提供标注数据支撑，助力 AI 模型开发；2. 可用于优化占道经营场景的图像识别精度，提升自动化监管效率；3. 为相关计算机视觉研究提供真实场景样本，推动实例分割技术在城市治理中的落地 |
数据三要素概述
一、数据集类别
整体类别定位为实例分割类计算机视觉数据集，专注于解决占道经营场景下的目标分割任务；
细分 2 个核心类别，分别对应 “yusanyusan” 和 “zhandaojingying”，覆盖占道经营场景中的关键识别对象；
类别标注逻辑贴合实际城市管理需求，确保标注结果可直接用于模型训练。
二、数据数量
图像总量为 359 张，样本数量可满足基础模型的训练与验证需求；
图像样本覆盖占道经营的典型场景，能够反映不同环境下的目标特征，保证数据的多样性；
每张图像均经过标注处理，标注信息完整，可直接用于模型输入。
三、应用价值
助力城市管理智能化：为占道经营自动监测设备提供模型训练数据，减少人工巡查成本，提升监管效率；
推动技术落地：为实例分割算法在城市治理领域的应用提供真实场景数据，加速技术从实验室到实际场景的转化；
支持研究创新：为相关领域的学术研究和技术开发提供公开可用的样本，促进计算机视觉技术在民生领域的创新应用。
二、训练代码（基于 PyTorch+Mask R-CNN）
- 环境依赖安装
bash
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install pillow matplotlib pycocotools opencv-python - 数据加载与预处理
python
import os
import torch
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms
import cv2
import json
数据集类定义
class OccupiedRoadDataset(Dataset):
definit(self, img_dir, ann_dir, transform=None):
self.img_dir = img_dir # 图像文件夹路径
self.ann_dir = ann_dir # 标注文件文件夹路径
self.transform = transform
self.img_names = [f for f in os.listdir(img_dir) if f.endswith((‘.jpg’, ‘.png’))]
# 类别映射（根据实际标注调整）
self.class_map = {“yusanyusan”: 1, “zhandaojingying”: 2}
def __len__(self): return len(self.img_names) def __getitem__(self, idx): img_name = self.img_names[idx] img_path = os.path.join(self.img_dir, img_name) # 读取图像并转换为RGB格式 image = cv2.imread(img_path) image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 读取对应标注文件（假设标注为JSON格式，含mask和类别信息） ann_name = img_name.replace('.jpg', '.json').replace('.png', '.json') ann_path = os.path.join(self.ann_dir, ann_name) with open(ann_path, 'r') as f: ann_data = json.load(f) # 提取标注信息（mask为二值图像，labels为类别ID） masks = [] labels = [] for obj in ann_data['objects']: # 读取mask（此处假设mask已保存为图像，或从标注中解析坐标生成） mask_path = os.path.join(self.ann_dir, obj['mask_path']) mask = cv2.imread(mask_path, 0) # 单通道二值图 mask = (mask > 127).astype(torch.uint8) # 转为0-1二值 masks.append(mask) labels.append(self.class_map[obj['class']]) # 转换为tensor格式 image = torch.from_numpy(image.transpose(2, 0, 1)).float() / 255.0 # 归一化并调整维度 masks = torch.stack(masks) if masks else torch.zeros((0, image.shape[1], image.shape[2]), dtype=torch.uint8) labels = torch.tensor(labels, dtype=torch.int64) if labels else torch.zeros(0, dtype=torch.int64) # 应用数据增强 if self.transform: image, masks, labels = self.transform(image, masks, labels) # 按Mask R-CNN输入格式返回 target = { 'boxes': self._get_boxes_from_masks(masks), # 从mask计算边界框 'labels': labels, 'masks': masks, 'image_id': torch.tensor([idx]) } return image, target def _get_boxes_from_masks(self, masks): """从mask计算目标边界框（xmin, ymin, xmax, ymax）""" boxes = [] for mask in masks: y, x = torch.where(mask == 1) if len(y) == 0: boxes.append(torch.tensor([0, 0, 0, 0], dtype=torch.float32)) continue xmin = x.min() ymin = y.min() xmax = x.max() ymax = y.max() boxes.append(torch.tensor([xmin, ymin, xmax, ymax], dtype=torch.float32)) return torch.stack(boxes) if boxes else torch.zeros((0, 4), dtype=torch.float32)数据增强（简单示例）
class SimpleTransform:
defcall(self, image, masks, labels):
# 随机水平翻转（可根据需求扩展）
if torch.rand(1) > 0.5:
image = torch.flip(image, dims=[2])
masks = torch.flip(masks, dims=[2])
return image, masks, labels
初始化数据加载器
def get_data_loaders(img_dir, ann_dir, batch_size=4, train_split=0.8):
dataset = OccupiedRoadDataset(img_dir, ann_dir, transform=SimpleTransform())
# 划分训练集和验证集
train_size = int(train_split * len(dataset))
val_size = len(dataset) - train_size
train_dataset, val_dataset = torch.utils.data.random_split(dataset, [train_size, val_size])
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True, collate_fn=lambda x: tuple(zip(*x))) val_loader = DataLoader(val_dataset, batch_size=batch_size, shuffle=False, collate_fn=lambda x: tuple(zip(*x))) return train_loader, val_loader- 模型定义与训练
python
from torchvision.models.detection import maskrcnn_resnet50_fpn
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor
from torchvision.models.detection.mask_rcnn import MaskRCNNPredictor
import torch.optim as optim
import time
初始化Mask R-CNN模型
def get_mask_rcnn_model(num_classes):
# 加载预训练模型
model = maskrcnn_resnet50_fpn(pretrained=True)
# 替换分类器（适配自定义类别） in_features = model.roi_heads.box_predictor.cls_score.in_features model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes) # 替换mask预测器 in_features_mask = model.roi_heads.mask_predictor.conv5_mask.in_channels hidden_layer = 256 model.roi_heads.mask_predictor = MaskRCNNPredictor(in_features_mask, hidden_layer, num_classes) return model训练函数
def train_model(model, train_loader, val_loader, device, num_epochs=10, lr=0.005):
# 优化器与学习率调度器
params = [p for p in model.parameters() if p.requires_grad]
optimizer = optim.SGD(params, lr=lr, momentum=0.9, weight_decay=0.0005)
lr_scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=3, gamma=0.1)
model.to(device) for epoch in range(num_epochs): start_time = time.time() model.train() train_loss = 0.0 # 训练轮次 for images, targets in train_loader: images = [img.to(device) for img in images] targets = [{k: v.to(device) for k, v in t.items()} for t in targets] # 前向传播与损失计算 loss_dict = model(images, targets) losses = sum(loss for loss in loss_dict.values()) # 反向传播与优化 optimizer.zero_grad() losses.backward() optimizer.step() train_loss += losses.item() * len(images) # 学习率更新 lr_scheduler.step() # 验证轮次（仅计算损失，可扩展为计算mAP） model.eval() val_loss = 0.0 with torch.no_grad(): for images, targets in val_loader: images = [img.to(device) for img in images] targets = [{k: v.to(device) for k, v in t.items()} for t in targets] loss_dict = model(images, targets) losses = sum(loss for loss in loss_dict.values()) val_loss += losses.item() * len(images) # 打印训练信息 train_avg_loss = train_loss / len(train_loader.dataset) val_avg_loss = val_loss / len(val_loader.dataset) epoch_time = time.time() - start_time print(f"Epoch [{epoch+1}/{num_epochs}], " f"Train Loss: {train_avg_loss:.4f}, " f"Val Loss: {val_avg_loss:.4f}, " f"Time: {epoch_time:.2f}s") # 保存训练好的模型 torch.save(model.state_dict(), "occupied_road_maskrcnn.pth") print("Model saved as 'occupied_road_maskrcnn.pth'") return model主函数（执行训练）
ifname== “main”:
# 配置参数（需根据实际文件路径修改）
IMG_DIR = “./data/images” # 图像文件夹路径
ANN_DIR = “./data/annotations” # 标注文件夹路径
NUM_CLASSES = 3 # 背景（0）+ 2个自定义类别
BATCH_SIZE = 4
NUM_EPOCHS = 10
LR = 0.005
# 设备配置（优先使用GPU） device = torch.device("cuda" if torch.cuda.is_available() else "cpu") print(f"Training on {device}") # 加载数据 train_loader, val_loader = get_data_loaders(IMG_DIR, ANN_DIR, BATCH_SIZE) print(f"Train samples: {len(train_loader.dataset)}, Val samples: {len(val_loader.dataset)}") # 初始化模型并训练 model = get_mask_rcnn_model(NUM_CLASSES) trained_model = train_model(model, train_loader, val_loader, device, NUM_EPOCHS, LR)- 代码说明
数据加载部分：需将数据集按 “图像文件夹 + 标注文件夹” 结构存放，标注文件需包含目标 mask 路径和类别信息（可根据实际标注格式调整OccupiedRoadDataset类中的标注解析逻辑）；
模型部分：基于预训练的 Mask R-CNN（ResNet50-FPN backbone），替换分类器和 mask 预测器以适配 2 个自定义类别 + 1 个背景类；
训练部分：使用 SGD 优化器和学习率调度器，打印每轮训练 / 验证损失，训练结束后保存模型权重；
参数调整建议：可根据硬件配置调整BATCH_SIZE，根据训练效果调整NUM_EPOCHS和LR，也可添加更复杂的数据增强（如随机缩放、旋转）提升模型泛化能力。
