مجموعة بيانات Make3D للعمق#
Make3D هو معيار خارجي تقليدي لـ تقدير العمق أحادي العين. وهو يحتوي على صور لمشاهد الحرم الجامعي مقترنة بالحقيقة الأرضية للعمق التي تم التقاطها بواسطة ماسح ضوئي ثلاثي الأبعاد مخصص، ويستخدم على نطاق واسع لاختبار التعميم خارج التوزيع.
الميزات الرئيسية#
- تم التقاط بيانات العمق الحقيقية باستخدام ماسح ضوئي ليزري ثلاثي الأبعاد مخصص.
- تغطي مشاهد خارجية حقيقية في الحرم الجامعي.
- يصل نطاق العمق إلى حوالي 70 متراً.
- يتم إجراء التقييم على مجموعة الاختبار القياسية المكونة من 134 صورة.
- معيار كلاسيكي للتعميم خارج نطاق التوزيع.
الدور في YOLO26-Depth#
Make3D هو معيار تقييم بدون تدريب مسبق (zero-shot) لعائلة YOLO26-Depth؛ والنماذج المنشورة لم يتم تدريبها عليه. وباعتباره مجموعة خارجية خارج التوزيع، فهو المعيار الأصعب لجميع النماذج، وقيم delta1 المطلقة منخفضة بشكل عام، وهو أمر متوقع لهذا النطاق من البيانات.
يستخدم التقييم خاصية تعزيز بيانات وقت الاختبار (TTA) متعددة المقاييس وبالقلب الأفقي، متبوعة بمحاذاة المقياس بمربعات الصغرى اللوغاريتمية بين خرائط العمق المتوقعة وخرائط العمق الأرضية قبل حساب المقاييس.
النتائج#
يوضح الجدول أدناه دقة delta1 (نسبة البكسل ضمن عتبة 1.25×، وكلما زادت كان أفضل) على مجموعة اختبار Make3D حسب حجم النموذج.
| النموذج | delta1 |
|---|---|
| YOLO26n-depth | 0.307 |
| YOLO26s-depth | 0.311 |
| YOLO26m-depth | 0.293 |
| YOLO26l-depth | 0.297 |
| YOLO26x-depth | 0.299 |
التقييم#
لا يتم شحن Make3D مع ملف YAML مجمع لمجموعة البيانات. يتم تقييمها من خلال برنامج نصي مخصص للتقييم يقوم بتحميل صور Make3D وبيانات العمق الحقيقية الخاصة بالماسح الليزري، ويطبق التقييم القياسي TTA ومحاذاة النطاق بالمربعات الصغرى اللوغاريتمية (log-least-squares)، ثم يقرر مقاييس العمق.
الاستخدام#
Make3D هو معيار خارجي، لذا يتم عادةً تشغيل النماذج باستخدام predict على صورها. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التنبؤ للنموذج.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26x-depth.pt") # load a pretrained depth model
# Predict depth on Make3D images
results = model.predict("path/to/make3d/images")النماذج المدربة مسبقاً#
يتم تقييم عائلة عمق YOLO26 بدون تدريب مسبق على معيار Make3D. تقوم هذه النماذج بالتحميل التلقائي من أحدث إصدار من Ultralytics، على سبيل المثال YOLO26x-depth بدءاً من الإصدار v8.4.0، وتغطي نطاقاً من الأحجام (yolo26n/s/m/l/x-depth) لتلبية متطلبات الدقة والموارد المختلفة.
الاقتباسات والشكر#
إذا كنت تستخدم مجموعة بيانات Make3D في بحثك أو عملك التطويري، يرجى الاستشهاد بالورقة البحثية التالية:
@article{saxena2009make3d,
title={Make3D: Learning 3D Scene Structure from a Single Still Image},
author={Saxena, Ashutosh and Sun, Min and Ng, Andrew Y.},
journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
year={2009}
}نود أن نشكر المؤلفين على إنشاء هذا المورد القيم والحفاظ عليه لمجتمع رؤية الكمبيوتر.