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 standard pour l’estimation de profondeur monoculaire. Il se compose de séquences vidéo RGB-D couvrant une grande variété de scènes intérieures, enregistrées avec un Microsoft Kinect v1. C’est le principal benchmark utilisé pour présenter la précision de YOLO26-Depth.

Découvre 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 véritables scènes en intérieur (maisons, bureaux, salles de classe et espaces similaires).
• Plage de profondeur jusqu’à environ 10 m, typique des captures RGB-D intérieures grand public.
• L’évaluation est effectuée sur l’ensemble de test Eigen standard de 654 images.
• Le principal benchmark pour présenter la précision de l’estimation de profondeur monoculaire.

Rôle dans YOLO26-Depth#

NYU Depth V2 est le principal benchmark d’évaluation zero-shot de la famille YOLO26-Depth ; les métriques principales de la page de la tâche de profondeur sont calculées sur ce jeu de données. Les modèles YOLO26-Depth publiés ne sont pas entraînés sur NYU ; bien que le jeu de données comporte un ensemble d’entraînement, celui-ci n’est pas utilisé et seuls les résultats sur les données de test mises de côté sont présentés.

L’évaluation utilise une augmentation au moment du test (TTA) multi-échelle et par retournement horizontal, suivie d’un alignement d’échelle par moindres carrés en espace logarithmique entre les cartes de profondeur prédites et de vérité terrain avant le calcul des métriques.

Résultats#

Le tableau ci-dessous présente la précision delta1 (fraction de pixels sous un seuil de 1,25× ; plus la valeur est élevée, mieux c’est) sur l’ensemble de test Eigen de NYU Depth V2, selon la taille du modèle.

Fichier YAML du jeu de données#

Un fichier YAML sert à définir la configuration du jeu de données. Il contient des informations sur les chemins d’accès, les classes et d’autres éléments pertinents du jeu de données.

# 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 consulter la liste complète des arguments disponibles, reporte-toi à la page Validation du modèle.

from ultralytics import YOLO

# Charger un modèle
model = YOLO("yolo26x-depth.pt")  # charger un modèle de profondeur préentraîné

# Évaluer sur le benchmark NYU Depth V2
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 se téléchargent automatiquement lors de leur première utilisation depuis la version des ressources Ultralytics v8.4.0, par exemple YOLO26x-depth, et sont disponibles dans plusieurs tailles (yolo26n/s/m/l/x-depth) pour répondre à différents 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 tenons à remercier les auteurs d’avoir créé et maintenu cette précieuse ressource pour la communauté de la vision par ordinateur.

FAQ#