Jeu de données de profondeur KITTI#
Le jeu de données KITTI est un banc d'essai autonomous-driving extérieur réel capturé depuis un véhicule en mouvement dans et autour de la ville de Karlsruhe. Pour depth estimation monoculaire, la profondeur de référence provient d'un scanner LiDAR Velodyne HDL-64 et est densifiée selon la méthode d'Uhrig et al. 2017. Les cartes de profondeur obtenues restent clairsèms, avec environ 16 à 20 % des pixels portant une valeur de profondeur valide. KITTI est la seule source extérieure réelle à longue portée dans le mélange de pré-entraînement de YOLO26-Depth et sert également de banc d'évaluation KITTI Eigen.
Fonctionnalités clés#
- Scènes de conduite réelles en extérieur avec des profondeurs allant jusqu'à environ 80 m, bien au-delà de la portée intérieure typique.
- Vérité terrain de profondeur obtenue à partir d'un LiDAR Velodyne HDL-64 et densifiée avec l'approche Sparsity Invariant CNNs d'Uhrig et al. 2017.
- Supervision éparse : seuls environ 16 à 20 % des pixels par image possèdent une valeur de profondeur valide ; les pixels invalides sont masqués lors du calcul de la perte et des métriques.
- Des paires d'images stéréo (
image_02gauche etimage_03droite) fournissent des points de vue supplémentaires pour l'entraînement. - Les valeurs de profondeur sont stockées sous forme de tableaux float32
.npyen mètres, conformément au Ultralytics depth dataset format.
Structure du jeu de données#
Les données de profondeur KITTI utilisées par Ultralytics sont divisées en deux sous-ensembles :
- Ensemble d'entraînement : 55 198 images (gauche
image_02et droiteimage_03). Tous les 28 parcours de test KITTI Eigen sont exclus de l'entraînement pour garantir une évaluation équitable. - Ensemble d'évaluation : l'ensemble de test KITTI Eigen — ses 652 images de caméra gauche qui disposent d'une vérité terrain améliorée. L'évaluation utilise une limite de profondeur de 80 m et un alignement médian (basé uniquement sur l'échelle) entre les prédictions et la vérité terrain.
La plage de profondeur atteint environ 80 m, et le YAML du jeu de données (depth-kitti.yaml) configure max_depth: 80 en conséquence.
Rôle dans YOLO26-Depth#
KITTI fournit la seule supervision réelle en extérieur et à longue portée dans le mix de pré-entraînement YOLO26-Depth, complétant les sources principalement intérieures. C'est également le benchmark standard KITTI Eigen pour rapporter la précision de profondeur en scène de conduite.
KITTI est un exemple clé montrant pourquoi la tête de profondeur est non bornée (mode log) : un plafond de sortie fixe de 10 m ne peut pas représenter des scènes de conduite de 80 m. Consulte la depth task page pour plus de détails sur la plage de sortie de la tête et la gestion de max_depth.
Résultats#
Précision KITTI Eigen delta1 par taille de modèle (plus c'est élevé, mieux c'est) :
| Modèle | KITTI Eigen δ1 |
|---|---|
| YOLO26n-Depth | 0.878 |
| YOLO26s-Depth | 0.879 |
| YOLO26m-Depth | 0.913 |
| YOLO26l-Depth | 0.926 |
| YOLO26x-Depth | 0.932 |
Mesuré sur l'ensemble canonique de 652 images avec imgsz=768 et rect=False. Ils ne sont pas directement comparables aux chiffres KITTI publiés : la validation redimensionne chaque image en un carré imgsz et rééchantillonne au plus proche la vérité terrain creuse sur celui-ci, tandis que les évaluateurs de référence redimensionnent plutôt la prédiction à la résolution native de la vérité terrain ; DepthMetrics masque la vérité terrain par rapport à max_depth là où le protocole de vérité terrain améliorée masque gt > 0 et limite uniquement la prédiction ; il regroupe tous les pixels valides de l'ensemble au lieu de moyenner la métrique par image ; et les poids publiés ont été entraînés avec l'ensemble précédent, qui plaçait 72 de ces images de test dans l'ensemble d'entraînement.
YAML du jeu de données#
Un fichier YAML (Yet Another Markup Language) est utilisé pour définir la configuration du jeu de données. Il contient des informations sur les chemins du jeu de données, les classes et d'autres informations pertinentes telles que la profondeur maximale.
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# KITTI dataset for monocular depth estimation — real outdoor driving, Velodyne HDL-64 LiDAR (densified), sparse, up to ~80 m
# Documentation: https://docs.ultralytics.com/datasets/depth/kitti
# Example usage: yolo depth train data=depth-kitti.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
# └── depth-kitti ← downloads here (~190 GB archives, ~140 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-kitti dir and re-run to rebuild it.
# The download only runs when the val images are missing (train is never checked), so a depth-kitti dir
# built before this split fix keeps the old split until it is deleted and rebuilt.
path: depth-kitti # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 55198 images
val: images/val # val images (relative to 'path') 652 images (KITTI Eigen test split, left camera)
max_depth: 80 # (m) maximum valid depth; GT beyond this is excluded from val metrics
nc: 1
names:
0: depth
channels: 3
# Download script/URL (optional)
download: |
import shutil
from pathlib import Path
import cv2
import numpy as np
from ultralytics.utils import TQDM
from ultralytics.utils.downloads import download
# The 28 KITTI Eigen test scenes as "<drive> <frame indices>" -> val; every other annotated drive -> train. val is
# the 697-frame Eigen et al. (NeurIPS 2014) test split restricted to frames with improved GT here: 652 left-camera.
EIGEN_TEST = """
2011_09_26_drive_0002 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 69
2011_09_26_drive_0009 16 32 48 64 80 96 112 128 144 160 176 196 212 228 244 260 276 292 308 324 340 356 372 388
2011_09_26_drive_0013 5 10 20 30 35 40 45 50 60 65 70 80 85 90 95 100 105 110 115 120 125 130 135
2011_09_26_drive_0020 6 9 12 15 18 21 27 33 36 42 45 48 51 54 57 60 63 66 69 72 75 78
2011_09_26_drive_0023 18 36 54 72 90 108 126 144 162 180 198 216 252 270 288 306 324 342 360 378 396 414 432 450 468
2011_09_26_drive_0027 7 14 21 28 35 42 49 56 63 70 77 84 91 98 112 119 126 133 140 147 161 168 175 182
2011_09_26_drive_0029 14 28 42 56 70 84 98 112 126 140 154 168 182 196 268 296 310 324 338 352 366 380 394 408
2011_09_26_drive_0036 32 64 96 128 160 192 224 256 288 320 352 384 416 448 480 512 544 576 608 640 672 704 768
2011_09_26_drive_0046 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115
2011_09_26_drive_0048 5 6 7 8 9 10 11 12 13 14 15 16
2011_09_26_drive_0052 6 8 10 12 14 16 18 20 22 26 28 30 32 36 38 40 42 44 46 48 50 52
2011_09_26_drive_0056 11 22 33 44 55 66 77 88 99 110 121 143 154 165 176 187 198 209 220 231 242 253 264 275 286
2011_09_26_drive_0059 14 28 42 56 70 84 98 112 126 140 154 182 196 210 224 238 274 288 302 316 330 344 358
2011_09_26_drive_0064 22 44 66 88 110 154 176 198 220 242 264 286 308 330 352 374 396 418 440 462 484 506 528 550
2011_09_26_drive_0084 49 62 75 88 101 114 127 140 153 179 192 205 218 231 244 257 270 283 296 309 322 335 348 361 374
2011_09_26_drive_0086 7 34 61 88 115 142 169 196 223 250 277 304 331 358 385 412 439 466 493 520 574 601 628 655 682
2011_09_26_drive_0093 16 32 48 64 80 96 112 128 144 160 176 192 208 224 240 256 305 321 337 353 369 385 401 417
2011_09_26_drive_0096 19 38 57 76 95 114 133 152 171 190 209 228 247 266 285 304 323 342 361 380 399 418 437 456
2011_09_26_drive_0101 80 114 148 182 216 284 318 352 386 420 454 488 522 556 590 624 658 692 726 760 794 828 862 896 930
2011_09_26_drive_0106 15 35 43 51 59 67 75 83 91 99 107 115 123 131 139 147 155 163 171 179 187 195 203 211 219
2011_09_26_drive_0117 26 52 78 104 130 156 182 208 234 260 286 312 338 364 390 416 442 468 494 546 572 598 624 650
2011_09_28_drive_0002 6 9 12 18 21 24 30 33 36 39 45 48 51 54 57 60 63 72 78 81 84 87 90
2011_09_29_drive_0071 36 72 108 144 180 216 252 288 324 360 396 432 468 504 540 576 612 735 771 807 879 915 951
2011_09_30_drive_0016 11 22 33 44 55 66 77 88 110 121 132 143 154 165 176 187 198 209 220 231 242 253 264
2011_09_30_drive_0018 107 214 428 535 642 749 856 963 1070 1177 1284 1391 1498 1605 1712 1819 1926 2033 2140 2247 2419 2526 2633 2740
2011_09_30_drive_0027 41 82 123 164 205 246 287 328 369 410 451 492 533 574 615 656 753 794 835 876 917 958 1040 1081
2011_10_03_drive_0027 181 362 543 734 915 1096 1277 1458 1639 1820 2001 2363 2544 2725 2906 3087 3268 3449 3630 3811 3992 4173 4354 4535
2011_10_03_drive_0047 32 64 96 128 160 192 224 288 320 352 384 416 448 480 512 544 576 608 640 672 704 736 768 800"""
EIGEN_TEST = {ln.split()[0]: {int(i) for i in ln.split()[1:]} for ln in EIGEN_TEST.strip().splitlines()}
# Annotated drives excluded from the release training set (raw data was unavailable at build time)
SKIP_DRIVES = {"2011_09_28_drive_0104", "2011_09_28_drive_0135", "2011_09_28_drive_0177", "2011_09_28_drive_0214"}
# Download the improved sparse GT (~14 GB) and the raw recordings it covers (~175 GB)
dir = Path(yaml["path"]) # dataset root dir
base = "https://s3.eu-central-1.amazonaws.com/avg-kitti"
download([f"{base}/data_depth_annotated.zip"], dir=dir / "source", delete=True, exist_ok=True)
gt_drives = sorted(p for p in (dir / "source" / "data_depth_annotated").glob("*/*_sync") if p.name[:-5] not in SKIP_DRIVES)
urls = [f"{base}/raw_data/{p.name[:-5]}/{p.name}.zip" for p in gt_drives]
download(urls, dir=dir / "source" / "raw", delete=True, exist_ok=True, threads=4)
# Convert: GT PNGs are uint16 meters*256; RGB frames come from the matching raw drive
for split in ("train", "val"):
(dir / "images" / split).mkdir(parents=True, exist_ok=True)
(dir / "depth" / split).mkdir(parents=True, exist_ok=True)
for gt in TQDM(gt_drives, desc="Converting"):
drive = gt.name[:-5] # 2011_09_26_drive_0002
split = "val" if drive in EIGEN_TEST else "train"
# val is the canonical Eigen test split: left camera only, and only its 652 listed frames
for cam in ("image_02",) if split == "val" else ("image_02", "image_03"):
for png in sorted((gt / "proj_depth" / "groundtruth" / cam).glob("*.png")):
if split == "val" and int(png.stem) not in EIGEN_TEST[drive]:
continue
name = f"{drive}_{cam[-2:]}_{png.stem}"
depth = cv2.imread(str(png), cv2.IMREAD_ANYDEPTH).astype(np.float32) / 256.0
np.save(dir / "depth" / split / f"{name}.npy", depth)
raw = dir / "source" / "raw" / drive[:10] / gt.name / cam / "data" / png.name
raw.replace(dir / "images" / split / f"{name}.png")
shutil.rmtree(dir / "source")Utilisation#
Pour entraîner un modèle YOLO26n-Depth sur le jeu de données KITTI pendant 100 epochs, tu peux utiliser les extraits de code suivants. Pour une liste exhaustive des arguments disponibles, réfère-toi à la page Training du modèle.
from ultralytics import YOLO
# Load a pretrained depth model
model = YOLO("yolo26n-depth.pt")
# Train the model on KITTI
results = model.train(data="depth-kitti.yaml", epochs=100, imgsz=640)Modèles pré-entraînés#
Les modèles YOLO26-Depth pré-entraînés se téléchargent automatiquement depuis la v8.4.0 assets release d'Ultralytics lors de leur première référence par leur nom :
Citations et remerciements#
Si tu utilises le jeu de données KITTI dans tes travaux de recherche ou de développement, merci de citer les articles suivants :
@article{geiger2013vision,
title={Vision meets Robotics: The KITTI Dataset},
author={Geiger, Andreas and Lenz, Philip and Stiller, Christoph and Urtasun, Raquel},
journal={The International Journal of Robotics Research},
year={2013},
publisher={SAGE Publications}
}
@inproceedings{uhrig2017sparsity,
title={Sparsity Invariant CNNs},
author={Uhrig, Jonas and Schneider, Nick and Schneider, Lukas and Franke, Uwe and Brox, Thomas and Geiger, Andreas},
booktitle={International Conference on 3D Vision (3DV)},
year={2017}
}Nous souhaitons remercier le Karlsruhe Institute of Technology et le Toyota Technological Institute at Chicago pour avoir créé et maintenu le jeu de données KITTI, ainsi que Uhrig et al. pour la méthode de densification de profondeur qui rend possible la supervision dense.