Link to this sectionمجموعة بيانات KITTI#

تعد مجموعة بيانات kitti واحدة من أكثر مجموعات البيانات المرجعية تأثيرًا للقيادة الذاتية ورؤية الكمبيوتر. تم إصدارها من قبل معهد كارلسروه للتكنولوجيا والمعهد التكنولوجي لولاية شيكاغو التابع لشركة تويوتا، وتحتوي على بيانات كاميرا ستيريو، وLiDAR، وGPS/IMU تم جمعها من سيناريوهات قيادة واقعية.

تُستخدم المجموعة على نطاق واسع لتقييم الخوارزميات في اكتشاف الكائنات، وتقدير العمق، والتدفق البصري، وقياس المسافات المرئي. تتوافق مجموعة البيانات تمامًا مع Ultralytics YOLO26 لمهام اكتشاف الكائنات ثنائية الأبعاد ويمكن دمجها بسهولة في منصة Ultralytics للتدريب والتقييم.

Link to this sectionهيكل مجموعة البيانات#

في المجموع، تتضمن مجموعة البيانات 7,481 صورة، كل منها مقترنة بتعليقات توضيحية مفصلة لكائنات مثل السيارات والمشاة وراكبي الدراجات وعناصر الطريق الأخرى. تنقسم مجموعة البيانات إلى مجموعتين فرعيتين رئيسيتين:

• مجموعة التدريب: تحتوي على 5,985 صورة مع تسميات توضيحية تُستخدم لتدريب النموذج.
• مجموعة التحقق: تتضمن 1,496 صورة مع تعليقات توضيحية مقابلة تُستخدم لتقييم الأداء والمقارنة المرجعية.

Link to this sectionالتطبيقات#

تُمكّن مجموعة بيانات Kitti من تحقيق تقدم في القيادة الذاتية والروبوتات، وتدعم مهام مثل:

• إدراك المركبات ذاتية القيادة: تدريب النماذج على اكتشاف وتتبع المركبات والمشاة والعوائق من أجل الملاحة الآمنة في أنظمة القيادة الذاتية.
• فهم المشهد ثلاثي الأبعاد: دعم تقدير العمق، والرؤية المجسمة، وتحديد موقع الكائنات ثلاثي الأبعاد لمساعدة الآلات في فهم البيئات المكانية.
• التدفق البصري والتنبؤ بالحركة: تمكين تحليل الحركة للتنبؤ بحركة الكائنات وتحسين تخطيط المسار في البيئات الديناميكية.
• المقارنة المرجعية لرؤية الكمبيوتر: العمل كمعيار مرجعي لتقييم الأداء عبر مهام رؤية متعددة، بما في ذلك اكتشاف الكائنات وتتبعها.

Link to this sectionYAML مجموعة البيانات#

تُحدد Ultralytics تكوين مجموعة بيانات kitti باستخدام ملف YAML. يُحدد هذا الملف مسارات مجموعة البيانات وتسميات الفئات والبيانات الوصفية المطلوبة للتدريب. ملف التكوين متاح على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml.

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

# KITTI dataset by Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago
# Documentation: https://docs.ultralytics.com/datasets/detect/kitti
# Example usage: yolo train data=kitti.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── kitti ← downloads here (390.5 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: kitti # dataset root dir
train: images/train # train images (relative to 'path') 5985 images
val: images/val # val images (relative to 'path') 1496 images

names:
  0: car
  1: van
  2: truck
  3: pedestrian
  4: person_sitting
  5: cyclist
  6: tram
  7: misc

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

Link to this sectionالاستخدام#

لتدريب نموذج YOLO26n على مجموعة بيانات kitti لمدة 100 حقبة بحجم صورة 640، استخدم الأوامر التالية. لمزيد من التفاصيل، راجع صفحة التدريب.

from ultralytics import YOLO

# Load a pretrained YOLO26 model
model = YOLO("yolo26n.pt")

# Train on kitti dataset
results = model.train(data="kitti.yaml", epochs=100, imgsz=640)

يمكنك أيضًا إجراء مهام التقييم، والاستدلال، والتصدير مباشرة من سطر الأوامر أو واجهة برمجة تطبيقات Python باستخدام ملف التكوين نفسه.

Link to this sectionصور وشروحات توضيحية عينة#

توفر مجموعة بيانات kitti سيناريوهات قيادة متنوعة. تتضمن كل صورة تعليقات توضيحية لصندوق الإحاطة (bounding box) لمهام اكتشاف الكائنات ثنائية الأبعاد. تعرض الأمثلة التنوع الغني لمجموعة البيانات، مما يتيح تعميمًا قويًا للنموذج عبر ظروف واقعية متنوعة.

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات kitti في بحثك، فيرجى الاستشهاد بالورقة البحثية التالية:

@article{Geiger2013IJRR,
  author = {Andreas Geiger and Philip Lenz and Christoph Stiller and Raquel Urtasun},
  title = {Vision meets Robotics: The KITTI Dataset},
  journal = {International Journal of Robotics Research (IJRR)},
  year = {2013}
}

نحن نقدر مجموعة اختبار رؤية KITTI لتوفير هذه المجموعة الشاملة من البيانات التي تواصل تشكيل التقدم في رؤية الكمبيوتر، والروبوتات، والأنظمة الذاتية. قم بزيارة موقع kitti لمزيد من المعلومات.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي استخدامات مجموعة بيانات kitti؟#

تُستخدم مجموعة بيانات kitti بشكل أساسي لأبحاث رؤية الكمبيوتر في القيادة الذاتية، وتدعم مهام مثل اكتشاف الكائنات، وتقدير العمق، والتدفق البصري، والتوطين ثلاثي الأبعاد.

Link to this sectionكم عدد الصور المدرجة في مجموعة بيانات kitti؟#

تتضمن مجموعة البيانات 5,985 صورة تدريب مصنفة و1,496 صورة تحقق تم التقاطها عبر مشاهد حضرية وريفية وعلى الطرق السريعة. تم استبعاد مجموعة الاختبار الأصلية هنا نظرًا لأنها لا تحتوي على تسميات توضيحية للحقيقة الأرضية.

Link to this sectionما هي فئات الكائنات التي تم وضع تعليقات توضيحية عليها في مجموعة البيانات؟#

تتضمن kitti تعليقات توضيحية لكائنات مثل السيارات، والمشاة، وراكبي الدراجات، والشاحنات، والترام، ومستخدمي الطرق الآخرين المتنوعين.

Link to this sectionهل يمكنني تدريب نماذج Ultralytics YOLO26 باستخدام مجموعة بيانات kitti؟#

نعم، kitti متوافقة تمامًا مع Ultralytics YOLO26. يمكنك التدريب والتحقق من النماذج مباشرة باستخدام ملف تكوين YAML المقدم.

Link to this sectionأين يمكنني العثور على ملف تكوين مجموعة بيانات kitti؟#

يمكنك الوصول إلى ملف YAML على الرابط https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml.