什么是ADE20K数据集

ADE20K 数据集概览

1. 什么是 ADE20K
ADE20K（“Scene Parsing through ADE20K Dataset”）是由美国麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）视觉组发布的大规模场景解析数据集，旨在推动语义分割、场景解析和实例分割等视觉任务的研究。数据集的核心特点是对每张图像进行像素级、全覆盖的标注，包括对象（things）、背景（stuff）以及对象的部件（parts），并提供实例 ID、遮挡信息等属性。

2. 数据规模与划分

• 总图像数：约 25 000 张。
• 训练集：20 210 张。
• 验证集：2 000 张。
• 测试集：约 3 000 张（官方后续会陆续发布）。
  这些图像来源于 SUN、Places 等公开数据集，覆盖室内、室外、自然与城市等多种场景。

3. 类别与标注细节

• 类别数量：150 个语义类别（35 个 “stuff” 类，如 wall、sky、road；115 个 “thing” 类，如 car、person、table）。
• 标注密度：每张图像的像素约 92.75% 被标注，其中 “stuff” 占 60.92%， “thing” 占 31.83%。
• 层次结构：除了对象本身，还标注了对象的部件（如汽车的门、门上的窗），形成了对象‑部件‑子部件的层级树，便于细粒度理解。
• 文件组织：每张图像配有 RGB 原图、对象分割掩码、部件分割掩码以及文本描述文件，掩码中使用 RGB 通道编码类别与实例 ID。

4. 官方资源与下载

• 官方网站：
  • http://sceneparsing.csail.mit.edu/
  • https://groups.csail.mit.edu/vision/datasets/ADE20K/
• 下载链接：ADEChallengeData2016.zip（在官网提供注册后下载）。
• 代码实现：官方提供的 PyTorch、Caffe、Torch7 等实现仓库（GitHub https://github.com/CSAILVision/sceneparsing ）可直接加载数据并进行训练。

5. 研究与应用价值

• 基准任务：ADE20K 被用于 SceneParse150 基准，评估语义分割、场景解析、实例分割等模型的性能。
• 广泛使用：几乎所有主流的分割网络（PSPNet、UPerNet、HRNet、SegFormer、ViT‑Adapter 等）都在该数据集上进行训练与评测，最新的模型在验证集上已突破 60% mIoU。
• 衍生应用：训练好的模型可用于图像内容移除、场景合成、机器人导航等实际场景。

6. 引用方式
如果在论文或项目中使用 ADE20K，请参考以下两篇核心论文：

• B. Zhou 等, “Scene Parsing through ADE20K Dataset”, CVPR 2017.
• B. Zhou 等, “Semantic Understanding of Scenes through ADE20K Dataset”, International Journal of Computer Vision (IJCV).

7. 小结
ADE20K 以其 大规模、全覆盖、层次化 的标注体系，成为计算机视觉领域最重要的场景解析基准之一。研究者可以通过官方网页获取完整数据和预训练模型，快速开展语义分割、场景理解等前沿工作。