Dataset di profondità Make3D
Make3D è un benchmark classico per la stima della profondità monoculare in esterni. Contiene immagini di scene universitarie abbinate a ground truth di profondità acquisita con uno scanner laser 3D personalizzato ed è ampiamente usato per esaminare la generalizzazione fuori distribuzione.
Funzionalità principali#
- Ground truth di profondità acquisito con uno scanner laser 3D personalizzato.
- Comprende scene universitarie reali outdoor.
- Portata della profondità fino a circa 70 m.
- La valutazione viene eseguita sul set di test standard di 134 immagini.
- Un benchmark classico per la generalizzazione fuori distribuzione.
Ruolo in YOLO26-Depth#
Make3D è un benchmark di valutazione zero-shot per la famiglia YOLO26-Depth; i modelli pubblicati non sono stati addestrati su questo set. In quanto set esterno alla distribuzione di dati e composto da scene all'aperto, è il benchmark più difficile per tutti i modelli; i valori assoluti di δ1 sono bassi in tutti i casi, come previsto per questo set di dati.
La valutazione usa un test-time augmentation (TTA) multi-scala e con ribaltamento orizzontale, seguito dall'allineamento della scala ai minimi quadrati in logaritmi tra le mappe di profondità predette e quelle ground truth, prima del calcolo delle metriche.
Risultati#
La tabella seguente riporta la precisione δ1 (frazione di pixel entro una soglia di 1.25×; più alto è meglio) sul set di test Make3D, per dimensione del modello.
| Modello | δ1 |
|---|---|
| YOLO26n-depth | 0.307 |
| YOLO26s-depth | 0.311 |
| YOLO26m-depth | 0.293 |
| YOLO26l-depth | 0.297 |
| YOLO26x-depth | 0.299 |
Valutazione#
Make3D non viene fornito con un file YAML del dataset incluso. La valutazione viene eseguita tramite uno script dedicato che carica le immagini Make3D e il ground truth di profondità dello scanner laser, applica la TTA standard e l'allineamento della scala ai minimi quadrati in scala logaritmica e riporta le metriche di profondità.
Utilizzo#
Make3D è un benchmark esterno, quindi i modelli vengono in genere eseguiti sulle sue immagini con predict.
from ultralytics import YOLO
# Carica un modello
model = YOLO("yolo26x-depth.pt") # carica un modello di profondità preaddestrato
# Predici la profondità nelle immagini Make3D
results = model.predict("path/to/make3d/images")Modelli preaddestrati#
La famiglia di modelli di profondità YOLO26 viene valutata zero-shot sul benchmark Make3D. Al primo utilizzo, questi modelli vengono scaricati automaticamente dalla release degli asset v8.4.0 di Ultralytics, ad esempio YOLO26x-depth, e sono disponibili in diverse dimensioni (yolo26n/s/m/l/x-depth) per soddisfare requisiti diversi di accuratezza e risorse.
Citazioni e ringraziamenti#
Se utilizzi il dataset Make3D nella tua attività di ricerca o sviluppo, cita 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.
Domande frequenti#
Make3D è un benchmark outdoor zero-shot e fuori distribuzione composto da 134 immagini di ambienti universitari, con profondità acquisita tramite scanner laser personalizzato fino a circa 70 m. I modelli YOLO26-Depth rilasciati non sono stati addestrati su questo dataset, che misura quindi la loro capacità di generalizzare a scene outdoor non familiari.
Make3D è il più difficile dei cinque benchmark di valutazione per ogni modello, perché le sue scene e le statistiche di profondità differiscono notevolmente dai dati di addestramento. Per questo set di dati sono attesi valori assoluti di δ1 intorno a 0.3; ciò che conta è il confronto relativo tra i modelli.
No. Make3D viene valutato con uno script dedicato che utilizza l'aumento dei dati in fase di test con più scale e ribaltamenti, insieme all'allineamento della scala ai minimi quadrati in scala logaritmica. Per eseguire un modello sulle immagini Make3D, usa la modalità predict, come mostrato nella sezione Utilizzo.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.