Jeu de données de profondeur Make3D#
Make3D est un benchmark classique en extérieur pour l'estimation de profondeur monoculaire. Il contient des images de scènes de campus associées à une vérité terrain de profondeur capturée par un scanner laser 3D personnalisé, et il est largement utilisé pour évaluer la généralisation hors distribution.
Fonctionnalités clés#
- Vérité terrain de profondeur capturée avec un scanner laser 3D personnalisé.
- Couvre de véritables scènes de campus extérieures.
- Plage de profondeur allant jusqu'à environ 70 m.
- L'évaluation est effectuée sur l'ensemble de test standard de 134 images.
- Un benchmark classique de généralisation hors distribution.
Rôle dans YOLO26-Depth#
Make3D est un benchmark d'évaluation zero-shot pour la famille YOLO26-Depth ; les modèles publiés n'ont pas été entraînés dessus. En tant qu'ensemble extérieur hors distribution, il s'agit du benchmark le plus difficile pour tous les modèles, et les valeurs absolues de delta1 sont faibles dans tous les cas, ce qui est attendu pour ce jeu de données.
L’évaluation utilise une augmentation au moment du test multi-échelle et par retournement horizontal (TTA), suivie d’un alignement d’échelle par moindres carrés logarithmiques entre les cartes de profondeur prédites et celles de la vérité terrain avant le calcul des métriques.
Résultats#
Le tableau ci-dessous présente la précision delta1 (pourcentage de pixels situés dans un seuil de 1.25×, une valeur plus élevée étant préférable) sur l'ensemble de test Make3D, selon la taille du modèle.
| Modèle | delta1 |
|---|---|
| YOLO26n-depth | 0.307 |
| YOLO26s-depth | 0.311 |
| YOLO26m-depth | 0.293 |
| YOLO26l-depth | 0.297 |
| YOLO26x-depth | 0.299 |
Évaluation#
Make3D n'est pas fourni avec un fichier YAML de jeu de données inclus. Il est évalué au moyen d'un script d'évaluation dédié qui charge les images Make3D et la vérité terrain de profondeur du scanner laser, applique la TTA standard et l'alignement d'échelle par moindres carrés logarithmiques, puis fournit les métriques de profondeur.
Utilisation#
Make3D est un benchmark externe ; les modèles sont donc généralement exécutés avec predict sur ses images. Pour obtenir la liste complète des arguments disponibles, consulte la page Prediction du modèle.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26x-depth.pt") # load a pretrained depth model
# Predict depth on Make3D images
results = model.predict("path/to/make3d/images")Modèles préentraînés#
La famille de modèles de profondeur YOLO26 est évaluée en zero-shot sur le benchmark Make3D. Ces modèles se téléchargent automatiquement depuis la dernière version d'Ultralytics, par exemple YOLO26x-depth depuis la version v8.4.0, et couvrent différentes tailles (yolo26n/s/m/l/x-depth) pour répondre à divers besoins en matière de précision et de ressources.
Citations et remerciements#
Si tu utilises le jeu de données Make3D dans tes travaux de recherche ou de développement, cite l'article suivant :
@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}
}Nous souhaitons remercier les auteurs d'avoir créé et maintenu cette ressource précieuse pour la communauté de la vision par ordinateur.
FAQ#
Make3D est un banc d'essai extérieur hors distribution et sans apprentissage préalable de 134 images de campus avec une profondeur de balayage laser personnalisée allant jusqu'à environ 70 m. Les modèles YOLO26-Depth publiés ne sont pas entraînés sur Make3D, ce qui permet de mesurer leur capacité de généralisation à des scènes extérieures inconnues.
Make3D est le plus difficile des cinq bancs d'essai d'évaluation pour chaque modèle, car les scènes de Make3D et les statistiques de profondeur de Make3D diffèrent fortement des données d'entraînement. Des valeurs absolues de delta1 d'environ 0,3 sont attendues pour Make3D, et la comparaison relative entre les modèles est ce qui importe.
Non. Make3D est évalué à l'aide d'un script dédié utilisant une augmentation au moment du test multi-échelle et par retournement ainsi qu'un alignement d'échelle par moindres carrés logarithmiques. Pour exécuter un modèle sur des images Make3D, utilise le predict mode comme indiqué dans la section Usage.