Link to this sectionمجموعة بيانات Depth8#

Link to this sectionمقدمة#

مجموعة بيانات Depth8 من Ultralytics هي مجموعة بيانات مدمجة لـ تقدير العمق أحادي العين تحتوي على 8 صور تم أخذ عينات منها من مجموعة بيانات SUN RGB-D: 4 للتدريب و4 للتحقق، مأخوذة من لقطات Kinect v1 وKinect v2 الخاصة بها (اثنتان لكل مستشعر في كل تقسيم) للحصول على خرائط عمق حقيقية كثيفة وخالية من العيوب. وهي مصممة للاختبار السريع، والتصحيح، والتجريب باستخدام نماذج تقدير العمق YOLO26 وخطوط أنابيب التدريب — حيث يتم تنزيل الأرشيف الذي يبلغ حجمه 1.3 ميجابايت تلقائيًا عند الاستخدام الأول، مما يجعل yolo depth train data=depth8.yaml يبدأ التدريب في غضون ثوانٍ.

Link to this sectionهيكل مجموعة البيانات#

تتبع Depth8 تخطيط مجموعة بيانات العمق القياسي من Ultralytics: صور RGB مع خرائط عمق مقترنة بتنسيق .npy وبدقة float32 بالأمتار، متطابقة حسب اسم الملف.

depth8/
├── images/
│   ├── train/  # 4 images
│   └── val/    # 4 images
└── depth/
    ├── train/  # 4 float32 .npy depth maps
    └── val/    # 4 float32 .npy depth maps

قيم العمق هي لقطات مستشعر داخلي حقيقية تتراوح من حوالي 0.5 متر إلى 4 أمتار، وهي تقع ضمن نطاق ≤10 أمتار لمجموعة بيانات SUN RGB-D الكاملة.

Link to this sectionYAML مجموعة البيانات#

يتم تحديد تكوين مجموعة بيانات Depth8 في ملف YAML خاص بمجموعة البيانات، والذي يحدد مسارات مجموعة البيانات، وأسماء الفئات، ورابط التنزيل للمجموعة الفرعية الصغيرة المعبأة.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Depth8 dataset (8 clean-label indoor images from SUN RGB-D Kinect v1/v2, 4 train / 4 val) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/depth/depth8
# Example usage: yolo depth train data=depth8.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── depth8 ← downloads here (1.3 MB)
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired *.npy, float32 meters (images/ -> depth/)

path: depth8 # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images

nc: 1
names:
  0: depth

channels: 3

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/depth8.zip

Link to this sectionالاستخدام#

لتدريب نموذج YOLO26n-depth على مجموعة بيانات Depth8 بحجم صورة 640، استخدم الأمثلة التالية. للحصول على قائمة كاملة بخيارات التدريب، راجع وثائق تدريب YOLO.

from ultralytics import YOLO

# Load a pretrained YOLO26n-depth model
model = YOLO("yolo26n-depth.pt")

# Train the model on Depth8
results = model.train(data="depth8.yaml", epochs=100, imgsz=640)

Link to this sectionالاقتباسات والشكر#

تم أخذ عينات Depth8 من SUN RGB-D — راجع صفحة مجموعة بيانات SUN RGB-D الكاملة للحصول على تفاصيل الترخيص.

إذا كنت تستخدم مجموعة بيانات SUN RGB-D في عملك البحثي أو التطويري، فيرجى الاستشهاد بالورقة البحثية التالية:

@inproceedings{song2015sunrgbd,
      title={SUN RGB-D: A RGB-D Scene Understanding Benchmark Suite},
      author={Song, Shuran and Lichtenberg, Samuel P. and Xiao, Jianxiong},
      booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
      year={2015}
}

Link to this sectionالأسئلة الشائعة#

Link to this sectionفيم تُستخدم مجموعة بيانات Depth8 من Ultralytics؟#

صُممت مجموعة بيانات Depth8 من Ultralytics للاختبار السريع وتصحيح أخطاء خطوط أنابيب تقدير العمق أحادي العين. مع 8 صور فقط (4 للتدريب، 4 للتحقق) في أرشيف يتم تنزيله تلقائيًا بحجم 1.3 ميجابايت، فإنها تتحقق من دورة التدريب / التحقق / التنبؤ الكاملة — تحميل خريطة العمق المقترنة، والزيادة، وحساب الخسارة، والمقاييس — في ثوانٍ، قبل الانتقال إلى مجموعة بيانات كاملة مثل SUN RGB-D أو NYU Depth V2.

Link to this sectionكيف تختلف Depth8 عن مجموعة بيانات SUN RGB-D الكاملة؟#

تأخذ Depth8 عينات من 8 صور من تقسيم 9,245 للتدريب/1,090 للتحقق الخاص بـ SUN RGB-D، مع تفضيل لقطات Kinect v1/v2 ذات خرائط العمق النظيفة والكثيفة. وهي تستخدم نفس تخطيط الدليل وتنسيق العمق .npy تمامًا، لذا فإن خط الأنابيب الذي يعمل على Depth8 يعمل بدون تعديل على مجموعة البيانات الكاملة — فقط قم بتوجيه data= إلى depth-sunrgbd.yaml بدلاً من depth8.yaml. على عكس مجموعة البيانات الكاملة، يتم تنزيل Depth8 في ثوانٍ ولا تحتاج إلى خطوة تحويل.

Link to this sectionهل يجب أن أستخدم Depth8 للقياس المعياري؟#

لا. Depth8 صغيرة جدًا للمقارنة الهادفة بين النماذج وهي مخصصة لفحوصات خط أنابيب التدريب والتقييم. استخدم مجموعات التحقق الكاملة NYU Depth V2 أو SUN RGB-D عندما تحتاج إلى مقاييس تقدير عمق تمثيلية.