Jeu de données de profondeur NYU Depth V2#

1,449

NYU Depth V2

ultralytics

publicDepth

NYU Depth V2 provides 1,449 aligned indoor RGB and depth pairs across 795 training and 654 validation images. Each dimension-matched depth map is stored as uint16 millimeters with a scale of 1,000 units per meter, supporting monocular depth estimation in varied room environments.

1439 MBSep 2, 2026

depth-estimationindoor-scenesrgb-d+1

NYU Depth V2 est le benchmark intérieur de référence pour l’estimation de profondeur monoculaire. Il se compose de séquences vidéo RGB-D représentant une grande variété de scènes intérieures, enregistrées avec un Microsoft Kinect v1. Il s’agit du benchmark principal utilisé pour communiquer la précision de YOLO26-Depth.

Explore NYU Depth V2 sur la plateforme Ultralytics pour prévisualiser ses paires RGB-profondeur, examiner les statistiques du jeu de données et le cloner pour l’entraînement.

Fonctionnalités clés#

• Capturé avec un capteur RGB-D Microsoft Kinect v1.
• Couvre une grande variété de scènes intérieures réelles (habitations, bureaux, salles de classe et espaces similaires).
• Plage de profondeurs allant jusqu’à environ 10 m, caractéristique des captures RGB-D intérieures grand public.
• L’évaluation est effectuée sur la partition de test Eigen standard de 654 images.
• Le benchmark principal pour communiquer la précision de l’estimation de profondeur monoculaire.

Rôle dans YOLO26-Depth#

NYU Depth V2 est le benchmark principal d’évaluation zero-shot pour la famille YOLO26-Depth, et les métriques principales de la page consacrée à la tâche de profondeur sont calculées sur celui-ci. Les modèles YOLO26-Depth publiés ne sont pas entraînés sur NYU ; bien que le jeu de données inclue une partition d’entraînement, celle-ci n’est pas utilisée et seuls les résultats sur le test mis de côté sont communiqués.

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 indique la précision delta1 (pourcentage de pixels situés dans un seuil de 1.25×, une valeur plus élevée étant préférable) sur la partition de test Eigen de NYU Depth V2, par taille de modèle.

YAML du jeu de données#

Un fichier YAML 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.

# 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

Utilisation#

Pour évaluer un modèle YOLO26-Depth sur le benchmark NYU Depth V2, tu peux utiliser les extraits de code suivants. Pour obtenir la liste complète des arguments disponibles, consulte la page Validation du modèle.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26x-depth.pt")  # load a pretrained depth model

# Evaluate on the NYU Depth V2 benchmark
results = model.val(data="nyu-depth.yaml")

Modèles préentraînés#

La famille de modèles de profondeur YOLO26 est évaluée en zero-shot sur le benchmark NYU Depth V2. Ces modèles sont téléchargés 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 NYU Depth V2 dans tes travaux de recherche ou de développement, cite l’article suivant :

@inproceedings{silberman2012indoor,
      title={Indoor Segmentation and Support Inference from RGBD Images},
      author={Silberman, Nathan and Hoiem, Derek and Kohli, Pushmeet and Fergus, Rob},
      booktitle={Proceedings of the European Conference on Computer Vision (ECCV)},
      year={2012}
}

Nous souhaitons remercier les auteurs d'avoir créé et maintenu cette ressource précieuse pour la communauté de la vision par ordinateur.

FAQ#