مجموعة بيانات Depth8#

مقدمة#

مجموعة بيانات Depth8 من Ultralytics هي مجموعة بيانات صغيرة لتقدير العمق الأحادي تحتوي على 8 صور مأخوذة من مجموعة بيانات SUN RGB-D: 4 للتدريب و4 للتحقق، مستمدة من التقاطات Kinect v1 وKinect v2 (صورتان لكل مستشعر في كل تقسيم) للحصول على خرائط عمق أرضية كثيفة وخالية من الشوائب. وهي مصممة للاختبار السريع وتصحيح الأخطاء والتجريب مع نماذج وسواقات تدريب تقدير العمق YOLO26 — حيث يقوم أرشيف بحجم 1.3 ميجابايت بالتنزيل تلقائياً عند الاستخدام الأول، لتبدأ yolo depth train data=depth8.yaml التدريب في غضون ثوانٍ.

هيكل مجموعة البيانات#

تتبع Depth8 تخطيط مجموعة بيانات العمق القياسي من Ultralytics: صور RGB مع خرائط عمق float32 مقترنة .npy بالأمتار، والمطابقة حسب جذع 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.

YAML 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

الاستخدام#

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

الاقتباسات والشكر#

تم أخذ عينات Depth8 من SUN RGB-D — راجع صفحة مجموعة بيانات SUN RGB-D الكاملة لمعرفة 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}
}

الأسئلة الشائعة#