Link to this sectionSUN RGB-D Tiefendatensatz#

SUN RGB-D ist ein Benchmark für die Szenenerkennung in Innenräumen aus der realen Welt, der mit vier verschiedenen RGB-D-Sensoren aufgenommen wurde: Intel RealSense, Asus Xtion sowie Microsoft Kinect v1 und v2. Sein Multi-Sensor-Design macht ihn zu einer wertvollen Quelle für echte Vielfalt bei Indoor-Tiefendaten für die monokulare Tiefenschätzung.

Link to this sectionHauptfunktionen#

• Aufgenommen mit vier verschiedenen RGB-D-Sensoren (Intel RealSense, Asus Xtion, Microsoft Kinect v1 und v2), was für echte Multi-Sensor-Vielfalt sorgt.
• Deckt ein breites Spektrum echter Innenraum-Szenen für die Forschung zur Szenenerkennung ab.
• Tiefenbereich bis zu ca. 10 m, typisch für handelsübliche RGB-D-Innenaufnahmen.
• Vom Sensor abgeleitete Tiefen-Ground-Truth, die auf die RGB-Frames ausgerichtet ist.
• Trägt echte Multi-Sensor-Indoor-Vielfalt zum Tiefen-Pretraining-Mix von Ultralytics bei.

Link to this sectionDatensatzstruktur#

Der SUN RGB-D Tiefendatensatz ist in zwei Teilmengen unterteilt:

1. Train: 9.245 Bilder mit gepaarten Tiefenkarten für das Training.
2. Val: 1.090 Bilder mit gepaarten Tiefenkarten für die Validierung während des Modelltrainings.

Jedes Sample besteht aus einem RGB-Bild und einer gepaarten .npy float32-Tiefenkarte, die Abstände pro Pixel in Metern speichert, gemäß dem Ultralytics-Tiefendatensatzformat.

Link to this sectionRolle bei YOLO26-Depth#

SUN RGB-D ist eine Trainings-Quelle im Ultralytics YOLO26-Depth Multi-Datensatz-Pretraining-Mix aus rund 2,19 Mio. Bild-Tiefen-Paaren. Er trägt zur echten Multi-Sensor-Indoor-Vielfalt bei und setzt das Modell Tiefendaten aus, die mit verschiedenen RGB-D-Verbrauchergeräten aufgenommen wurden. Die resultierenden Modelle werden an den Standard-Benchmarks NYU, KITTI, Make3D, ETH3D und iBims-1 evaluiert.

Link to this sectionDatensatz-YAML#

Eine YAML-Datei (Yet Another Markup Language) wird verwendet, um die Datensatzkonfiguration zu definieren. Sie enthält Informationen über die Pfade des Datensatzes, Klassen und andere relevante Informationen.

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

# SUN RGB-D dataset for monocular depth estimation — real indoor, multi-sensor RGB-D (RealSense/Xtion/Kinect), up to ~10 m
# Documentation: https://docs.ultralytics.com/datasets/depth/sunrgbd
# Example usage: yolo depth train data=depth-sunrgbd.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── depth-sunrgbd  ← downloads here (6.5 GB archive, ~14 GB converted)
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired *.npy, float32 meters (images/ -> depth/)
# If an interrupted download leaves a partial dataset, delete the depth-sunrgbd dir and re-run to rebuild it.

path: depth-sunrgbd # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 9245 images
val: images/val # val images (relative to 'path') 1090 images

nc: 1
names:
  0: depth

channels: 3

# Download script/URL (optional)
download: |
  import random
  import shutil
  from pathlib import Path

  import cv2
  import numpy as np

  from ultralytics.utils import TQDM
  from ultralytics.utils.downloads import download

  # Download and extract the official archive (~6.5 GB), then convert each of the 10335 scenes:
  # refined depth_bfx PNGs decode via the SUN RGB-D bit-rotation (d>>3 | d<<13) to millimeters,
  # clipped at 10 m; a deterministic random 1090-scene subset (seed 0) forms the val split
  dir = Path(yaml["path"])  # dataset root dir
  download(["https://rgbd.cs.princeton.edu/data/SUNRGBD.zip"], dir=dir / "source", delete=True, exist_ok=True)
  for split in ("train", "val"):
      (dir / "images" / split).mkdir(parents=True, exist_ok=True)
      (dir / "depth" / split).mkdir(parents=True, exist_ok=True)
  scenes = sorted(p.parent for p in (dir / "source" / "SUNRGBD").rglob("depth_bfx"))
  names = ["_".join(s.relative_to(dir / "source" / "SUNRGBD").parts) for s in scenes]
  val = set(random.Random(0).sample(names, k=1090))
  for scene, name in TQDM(zip(scenes, names), total=len(scenes), desc="Converting"):
      split = "val" if name in val else "train"
      d = cv2.imread(str(next((scene / "depth_bfx").glob("*.png"))), cv2.IMREAD_ANYDEPTH)
      d = (((d >> 3) | (d << 13)) / 1000.0).clip(max=10).astype(np.float32)  # bit-rotated mm -> m
      np.save(dir / "depth" / split / f"{name}.npy", d)
      next((scene / "image").glob("*.jpg")).replace(dir / "images" / split / f"{name}.jpg")
  shutil.rmtree(dir / "source")

Link to this sectionVerwendung#

Um ein YOLO26n-depth-Modell mit dem SUN RGB-D Datensatz bei einer Bildgröße von 640 zu trainieren, kannst du die folgenden Code-Schnipsel verwenden. Eine umfassende Liste der verfügbaren Argumente findest du auf der Seite Training für Modelle.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-depth.pt")  # load a pretrained depth model (recommended for training)

# Train the model
results = model.train(data="depth-sunrgbd.yaml", epochs=100, imgsz=640)

Link to this sectionVortrainierte Modelle#

Die YOLO26-Depth-Familie wird auf dem breiten Multi-Datensatz-Tiefen-Pretraining-Mix trainiert, zu dem auch SUN RGB-D gehört. Diese Modelle werden automatisch von der neuesten Ultralytics-Version heruntergeladen, zum Beispiel YOLO26x-depth von v8.4.0, und decken eine Reihe von Größen für unterschiedliche Anforderungen an Genauigkeit und Ressourcen ab.

Link to this sectionZitate und Danksagungen#

Wenn du das SUN RGB-D-Dataset in deiner Forschung oder Entwicklungsarbeit verwendest, zitiere bitte das folgende Paper:

@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}
}

Wir möchten den Autoren für die Erstellung und Pflege dieser wertvollen Ressource für die Computer-Vision-Community danken.