مجموعة بيانات العمق Make3D
Make3D معيار خارجي كلاسيكي لـتقدير العمق أحادي العين. ويضم صورًا لمشاهد جامعية مقترنة بقيم عمق مرجعية التُقطت باستخدام ماسح ليزري ثلاثي الأبعاد مخصص، ويُستخدم على نطاق واسع لاختبار التعميم على بيانات خارج التوزيع.
الميزات الرئيسية#
- بيانات عمق مرجعية التُقطت باستخدام ماسح ليزري ثلاثي الأبعاد مخصص.
- تغطي مشاهد جامعية واقعية في الهواء الطلق.
- يصل مدى العمق إلى نحو 70 مترًا.
- يُجرى التقييم على مجموعة الاختبار القياسية التي تضم 134 صورة.
- معيار كلاسيكي لاختبار التعميم خارج التوزيع.
دورها في YOLO26-Depth#
Make3D معيار تقييم صفريّ اللقطات لعائلة YOLO26-Depth؛ فالنماذج المنشورة لم تُدرَّب عليه. وباعتباره مجموعة خارجية التوزيع، فهو أصعب معيار على جميع النماذج، كما أن قيم δ1 المطلقة منخفضة عمومًا، وهذا متوقع لهذه المجموعة.
يستخدم التقييم زيادة بيانات الاختبار متعددة المقاييس والقلب الأفقي (TTA)، ثم محاذاة المقياس بطريقة المربعات الصغرى اللوغاريتمية بين خرائط العمق المتوقعة والحقيقة الأرضية قبل حساب المقاييس.
النتائج#
يعرض الجدول أدناه دقة δ1 (نسبة البكسلات الواقعة ضمن عتبة 1.25×، والأعلى أفضل) على مجموعة اختبار Make3D، بحسب حجم النموذج.
| النموذج | δ1 |
|---|---|
| YOLO26n-depth | 0.307 |
| YOLO26s-depth | 0.311 |
| YOLO26m-depth | 0.293 |
| YOLO26l-depth | 0.297 |
| YOLO26x-depth | 0.299 |
التقييم#
لا تتضمن Make3D ملف YAML مرفقًا لمجموعة البيانات. ويُجرى تقييمها عبر برنامج نصي مخصص يحمّل صور Make3D وبيانات العمق المرجعية من الماسح الليزري، ويطبق زيادة بيانات الاختبار القياسية وقت الاستدلال ومواءمة المقياس بطريقة المربعات الصغرى اللوغاريتمية، ثم يعرض مقاييس العمق.
الاستخدام#
يُعد Make3D معيارًا مرجعيًا خارجيًا، لذا تُشغَّل النماذج عادةً باستخدام predict على صوره.
from ultralytics import YOLO
# تحميل نموذج
model = YOLO("yolo26x-depth.pt") # تحميل نموذج عمق مُدرَّب مسبقًا
# تنبأ بالعمق في صور Make3D
results = model.predict("path/to/make3d/images")النماذج المدربة مسبقًا#
تُقيّم عائلة YOLO26 للعمق دون تدريب مسبق على معيار Make3D. وتُنزّل هذه النماذج تلقائيًا عند استخدامها لأول مرة من إصدار أصول Ultralytics v8.4.0، مثل YOLO26x-depth، وتتوفر بأحجام متعددة (yolo26n/s/m/l/x-depth) لتلبية متطلبات الدقة والموارد المختلفة.
الاستشهادات والشكر والتقدير#
إذا استخدمت مجموعة بيانات Make3D في أبحاثك أو أعمال التطوير، يُرجى الاستشهاد بالورقة 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 الإشادة بالمؤلفين لإنشائهم هذا المورد القيّم لمجتمع الرؤية الحاسوبية وصيانته.
الأسئلة الشائعة#
Make3D معيار خارجي للقياس دون تدريب مسبق، يتكون من 134 صورة لمشاهد جامعية خارجية، مع بيانات عمق من ماسح ليزري مخصص تصل إلى نحو 70 مترًا. لم تُدرّب نماذج YOLO26-Depth المنشورة عليه، لذا فهو يقيس مدى تعميمها على مشاهد خارجية غير مألوفة.
Make3D هو أصعب معايير التقييم الخمسة على كل نموذج، لأن مشاهده وإحصاءات العمق فيه تختلف بشدة عن بيانات التدريب. ومن المتوقع أن تبلغ قيم δ1 المطلقة نحو 0.3 لهذه المجموعة؛ والأهم هو المقارنة النسبية بين النماذج.
لا. يُقيّم Make3D باستخدام برنامج نصي مخصص يطبق زيادة بيانات الاختبار وقت الاستدلال متعددة المقاييس والقلب، ومواءمة المقياس بطريقة المربعات الصغرى اللوغاريتمية. لتشغيل نموذج على صور Make3D، استخدم وضع التنبؤ كما هو موضح في قسم الاستخدام.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.