Link to this sectionDataset di profondità Make3D#

Make3D è un classico benchmark per esterni per la stima della profondità monoculare. Contiene immagini di scene di campus abbinate a una ground truth di profondità acquisita tramite uno scanner laser 3D personalizzato ed è ampiamente utilizzato per testare la generalizzazione out-of-distribution.

Link to this sectionCaratteristiche principali#

• Ground truth di profondità acquisita con uno scanner laser 3D personalizzato.
• Copre scene reali di campus all'aperto.
• Intervallo di profondità fino a circa 70 m.
• La valutazione viene eseguita sul set di test standard di 134 immagini.
• Un classico benchmark di generalizzazione out-of-distribution.

Link to this sectionRuolo in YOLO26-Depth#

Make3D è un benchmark di valutazione zero-shot per la famiglia YOLO26-Depth; i modelli pubblicati non sono addestrati su di esso. Essendo un set per esterni out-of-distribution, è il benchmark più difficile per tutti i modelli e i valori assoluti di delta1 sono bassi su tutta la linea, il che è previsto per questo dataset.

La valutazione utilizza l'augmentation test-time (TTA) multi-scala e orizzontale, seguita dall'allineamento di scala log-least-squares tra le mappe di profondità previste e quelle ground truth prima del calcolo delle metriche.

Link to this sectionRisultati#

La tabella seguente riporta l'accuratezza delta1 (percentuale di pixel entro una soglia di 1,25×, più alto è meglio) sul set di test Make3D per dimensione del modello.

Link to this sectionValutazione#

Make3D non viene fornito con un dataset YAML in bundle. Viene valutato tramite uno script di valutazione dedicato che carica le immagini Make3D e la ground truth di profondità dello scanner laser, applica il TTA standard e l'allineamento di scala log-least-squares, e riporta le metriche di profondità.

Link to this sectionUtilizzo#

Make3D è un benchmark esterno, quindi i modelli vengono solitamente eseguiti con predict sulle sue immagini. Per un elenco completo degli argomenti disponibili, consulta la pagina Predizione del modello.

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")

Link to this sectionModelli pre-addestrati#

La famiglia di profondità YOLO26 viene valutata zero-shot sul benchmark Make3D. Questi modelli si scaricano automaticamente dall'ultima release di Ultralytics, ad esempio YOLO26x-depth dalla v8.4.0, e coprono una gamma di dimensioni (yolo26n/s/m/l/x-depth) per diverse esigenze di accuratezza e risorse.

Link to this sectionCitazioni e riconoscimenti#

Se utilizzi il dataset Make3D nel tuo lavoro di ricerca o sviluppo, ti preghiamo di citare il seguente articolo:

@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}
}

Desideriamo ringraziare gli autori per aver creato e mantenuto questa preziosa risorsa per la comunità della computer vision.