Sicurezza pronta per le aziende: Conformità ISO 27001 + SOC 2 Type I.

Link to this sectionDataset KITTI Depth#

Il dataset KITTI è un benchmark del mondo reale per la guida autonoma acquisito da un veicolo in movimento all'interno e nei dintorni della città di Karlsruhe. Per la stima della profondità monoculare, la profondità ground-truth è derivata da uno scanner LiDAR Velodyne HDL-64 e densificata utilizzando il metodo di Uhrig et al. 2017. Le mappe di profondità risultanti rimangono sparse, con circa il 16-20% dei pixel che contengono un valore di profondità valido. KITTI è l'unica fonte reale all'aperto a lungo raggio nel mix di pre-addestramento YOLO26-Depth e funge anche da benchmark di valutazione KITTI Eigen.

Link to this sectionCaratteristiche principali#

  • Scene di guida reali all'aperto con profondità che arrivano fino a circa 80 m, ben oltre il tipico raggio d'azione al chiuso.
  • Ground truth di profondità ottenuto da un LiDAR Velodyne HDL-64 e densificato con l'approccio Sparsity Invariant CNNs di Uhrig et al. 2017.
  • Supervisione sparsa: solo circa il 16-20% dei pixel per immagine contiene un valore di profondità valido; i pixel non validi vengono esclusi dalla loss e dalle metriche.
  • Le coppie di immagini stereo (sinistra image_02 e destra image_03) forniscono punti di vista aggiuntivi per l'addestramento.
  • I valori di profondità sono memorizzati come array float32 .npy in metri, seguendo il formato del dataset di profondità Ultralytics.

Link to this sectionStruttura del dataset#

I dati di profondità KITTI utilizzati da Ultralytics sono suddivisi in due sottoinsiemi:

  1. Split di addestramento: 60.040 immagini (sinistra image_02 e destra image_03). I 28 test drive KITTI Eigen sono esclusi dall'addestramento per mantenere equa la valutazione.
  2. Split di valutazione: lo split di test KITTI Eigen, 32.378 immagini (entrambe le telecamere). La valutazione utilizza il ritaglio Garg, un limite di profondità di 80 m e un allineamento log-least-squares tra le predizioni e il ground truth.

Il range di profondità raggiunge circa 80 m e il file YAML del dataset (depth-kitti.yaml) imposta max_depth: 80 di conseguenza.

Link to this sectionRuolo in YOLO26-Depth#

KITTI fornisce l'unica supervisione reale all'aperto a lungo raggio nel mix di pre-addestramento YOLO26-Depth, completando le fonti prevalentemente al chiuso. È anche il benchmark standard KITTI Eigen per riportare l'accuratezza della profondità nelle scene di guida.

KITTI è un esempio chiave del perché la head di profondità non è limitata (modalità log): un limite di output fisso a 10 m non può rappresentare scene di guida a 80 m. Vedi la pagina del task depth per dettagli sul range di output della head e sulla gestione di max_depth.

Link to this sectionRisultati#

Accuratezza delta1 di KITTI Eigen per dimensione del modello (più alto è meglio):

ModelloKITTI Eigen δ1
YOLO26n-Depth0.888
YOLO26s-Depth0.882
YOLO26m-Depth0.924
YOLO26l-Depth0.927
YOLO26x-Depth0.939

Link to this sectionDataset YAML#

Un file YAML (Yet Another Markup Language) viene utilizzato per definire la configurazione del dataset. Contiene informazioni sui percorsi del dataset, le classi e altre informazioni rilevanti come la profondità massima.

ultralytics/cfg/datasets/depth-kitti.yaml
# 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, ~230 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.

path: depth-kitti # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 60040 images
val: images/val # val images (relative to 'path') 32378 images (KITTI Eigen test split)
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

  # Drives of the 28 KITTI Eigen test scenes -> val; every other annotated drive -> train
  VAL_DRIVES = """2011_09_26_drive_0002 2011_09_26_drive_0009 2011_09_26_drive_0013 2011_09_26_drive_0020
  2011_09_26_drive_0023 2011_09_26_drive_0027 2011_09_26_drive_0029 2011_09_26_drive_0036 2011_09_26_drive_0046
  2011_09_26_drive_0048 2011_09_26_drive_0052 2011_09_26_drive_0056 2011_09_26_drive_0059 2011_09_26_drive_0064
  2011_09_26_drive_0084 2011_09_26_drive_0086 2011_09_26_drive_0093 2011_09_26_drive_0096 2011_09_26_drive_0101
  2011_09_26_drive_0106 2011_09_26_drive_0117 2011_09_28_drive_0002 2011_09_29_drive_0026 2011_09_29_drive_0071
  2011_09_30_drive_0016 2011_10_03_drive_0034 2011_10_03_drive_0042 2011_10_03_drive_0047""".split()
  # 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 VAL_DRIVES else "train"
      for cam in ("image_02", "image_03"):
          for png in sorted((gt / "proj_depth" / "groundtruth" / cam).glob("*.png")):
              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")

Link to this sectionUtilizzo#

Per addestrare un modello YOLO26n-Depth sul dataset KITTI per 100 epoche, puoi utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consulta la pagina Training del modello.

Esempio di Addestramento
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)

Link to this sectionModelli pre-addestrati#

I modelli YOLO26-Depth pre-addestrati si scaricano automaticamente dal rilascio degli asset v8.4.0 di Ultralytics quando vengono referenziati per nome per la prima volta:

Link to this sectionCitazioni e riconoscimenti#

Se utilizzi il dataset KITTI nel tuo lavoro di ricerca o sviluppo, ti preghiamo di citare i seguenti articoli:

Citazione
@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}
}

Vorremmo ringraziare il Karlsruhe Institute of Technology e il Toyota Technological Institute at Chicago per aver creato e mantenuto il dataset KITTI, e Uhrig et al. per il metodo di densificazione della profondità che rende possibile la supervisione densa.

Contributori
BOBovey08091

Commenti