Übersicht über Datensätze zur Tiefenschätzung#

Die monokulare Tiefenschätzung weist jedem Pixel in einem Bild einen Tiefenwert in Metern zu. Tiefenziele verwenden entweder skalierte 16-Bit-Graustufen-PNGs oder Gleitkomma-NPY-Arrays in Metern.

Dieser Leitfaden erläutert das von Ultralytics YOLO Tiefenschätzungsmodellen verwendete Datensatzformat und listet die integrierten Datensatzkonfigurationen auf, die für Training und Validierung verfügbar sind.

Unterstütztes Datensatzformat#

Tiefenkartenformat#

Jedes Trainingsbeispiel besteht aus einem RGB-Bild und einer zugehörigen Tiefendatei. PNG-Werte werden durch den optionalen depth_scale der Datensatzebene geteilt, um Meter zu erzeugen. Der Standardwert ist 1000, sodass ein Wert von 1500 1.5 Metern entspricht. Der Code 0 bedeutet ungültig; PNGs benötigen keine eingebetteten Metadaten.

• Tiefendateien verwenden .png (bevorzugt) oder .npy. PNG-Karten müssen zweidimensionale uint16-Graustufenbilder sein. NPY-Arrays müssen zweidimensional und Gleitkommawerte sein, mit Werten in Metern.
• Setze depth_scale nur dann, wenn PNGs nicht die Standard-Millimeterkonvention verwenden. Zum Beispiel verwendet KITTI 256 und Virtual KITTI 2 verwendet 100.
• Jede Tiefendatei sollte denselben Dateinamenstamm wie ihre zugehörige Bilddatei haben (z. B. paart sich scene_001.png mit scene_001.jpg).
• Tiefenkarten können kleiner als ihre RGB-Bilder sein, solange das Seitenverhältnis übereinstimmt; das Training skaliert sie im Speicher.
• Der Datensatzlader findet Tiefendateien, indem er die images-Verzeichniskomponente durch depth ersetzt, wobei .png bevorzugt und auf .npy zurückgegriffen wird.
• Pixel mit der Tiefe ≤ 0 werden als ungültig behandelt und von der Verlust- und Metrikberechnung ausgeschlossen.

Da der Code 0 für ungültige Pixel reserviert ist, bietet ein uint16-PNG 65.535 positive Tiefenwerte. Die Skala steuert sowohl die Präzision als auch den Bereich:

Dies sind Speichergrenzen, keine empfohlenen Trainingslimits. Ein Datensatz kann einen kleineren max_depth unabhängig für die Verlustkalibrierung oder Evaluierung festlegen.

Das Standardlayout bewahrt Bilder und Tiefenkarten in parallelen Ordnern auf:

dataset/
├── images/
│   ├── train/
│   └── val/
└── depth/
    ├── train/
    └── val/

Beispielsweise wird ein Bild unter images/train/scene_001.jpg mit einer Tiefenkarte unter depth/train/scene_001.png gepaart.

Datensatz-YAML-Format#

Datensätze zur Tiefenschätzung werden mit YAML-Dateien konfiguriert. Die wichtigsten Felder sind:

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

# NYU Depth V2 dataset for monocular depth estimation
# Documentation: https://cs.nyu.edu/~fergus/datasets/nyu_depth_v2.html
# 795 train + 654 val (Eigen test split) images, 480x640, indoor scenes, depth in meters
# Example usage: yolo depth train data=nyu-depth.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── nyu-depth-png  ← downloads here (≈1.5 GB)

# 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: nyu-depth-png # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 795 images
val: images/val # val images (relative to 'path') 654 images

# Depth maps are paired uint16 millimeter PNGs under depth/<split>/, resolved by
# swapping '/images/' -> '/depth/' on each image path.

# Classes
nc: 1
names:
  0: depth

channels: 3
depth_scale: 1000

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

Verwendung#

Trainiere ein YOLO26 Tiefenschätzungsmodell mit Python oder CLI:

from ultralytics import YOLO

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

# Train on the NYU Depth V2 dataset
results = model.train(data="nyu-depth.yaml", epochs=100, imgsz=640)

Unterstützte Datensätze#

Die YOLO26 Tiefenmodelle sind auf einem breiten Mix aus mehreren Datensätzen (~2,19 Mio. Bilder) vortrainiert, die von Innenräumen (≤10 m) bis zu Außenbereichen (~80 m) reichen, und wurden dann Zero-Shot auf fünf Benchmarks evaluiert. Jeder Datensatz hat eine eigene Seite:

Debugging

• Depth8 — 8 SUN RGB-D-Bilder in einem 1,3 MB großen, automatisch herunterladbaren Archiv für schnelle Pipeline-Tests

Vortrainingsquellen

• ARKitScenes — reale Innenaufnahmen, Apple ARKit LiDAR (größte reale Quelle)
• SUN RGB-D — reale Innenaufnahmen, Multi-Sensor-RGB-D
• DIODE — reale Innen- und Außenaufnahmen, Ground Truth durch dichten Laserscanner
• Hypersim — synthetische, fotorealistische Innenaufnahmen
• TartanAir — synthetisch, diverse Umgebungen
• Virtual KITTI 2 — synthetisches Fahren im Freien
• KITTI — reales Fahren im Freien, Velodyne LiDAR (auch ein Evaluierungs-Benchmark)
• ImageNet (pseudo-labeled) — pseudo-label-Distillationsset, die größte einzelne Quelle

Evaluations-Benchmarks

• NYU Depth V2 — wichtigster Indoor-Benchmark
• KITTI Eigen — Outdoor-Fahr-Benchmark
• ETH3D — hochpräzise Innen- und Außenbereiche
• Make3D — Outdoor, Out-of-Distribution
• iBims-1 — hochwertiger Indoor-Bereich (Kanten und ebene Flächen)

Modellspezifische Genauigkeiten auf diesen Benchmarks sowie die herunterladbaren vortrainierten Gewichte sind auf der Depth Estimation task page aufgeführt. Eine Dataset-YAML, deren train-Feld mehrere Bildverzeichnisse auflistet, kombiniert diese Quellen für ein großflächiges, gemischtes Training.

Hinzufügen deines eigenen Datensatzes#

1. Speichere RGB-Bilder in Unterteilungsordnern wie images/train und images/val.
2. Speichere ein Tiefen-PNG oder NPY pro Bild unter den passenden depth/train- und depth/val-Ordnern unter Verwendung desselben Dateinamensstamms wie das Bild. Verwende save_depth_png(), um Meter-Arrays in kompakte Millimeter-PNGs zu konvertieren.
3. Stelle sicher, dass die dekodierten Tiefenwerte in Metern vorliegen und dass ungültige oder fehlende Pixel 0 oder negative Werte verwenden.
4. Erstelle ein Dataset-YAML mit path, train, val, nc: 1 und names: {0: depth}.

path: path/to/my-depth-dataset
train: images/train
val: images/val

nc: 1
names:
    0: depth

# Optional: PNG integer units per meter (default 1000)
depth_scale: 1000

FAQ#