Depth8 Dataset#
はじめに#
Ultralyticsの Depth8 データセットは、SUN RGB-D データセットからサンプリングされた8枚の画像（トレーニング用4枚、検証用4枚）を含むコンパクトな単眼深度推定データセットです。密でアーティファクトのないグランドトラス深度マップを取得するために、Kinect v1 および Kinect v2 のキャプチャ（各分割でセンサーごとに2つ）から抽出されています。これは、YOLO26の深度推定モデルおよびトレーニングパイプラインを用いた迅速なテスト、デバッグ、および実験のために設計されており、1.3 MB のアーカイブは初回使用時に自動ダウンロードされるため、yolo depth train data=depth8.yaml は数秒以内にトレーニングを開始します。
RGBとデプスのペアをプレビューし、トレーニング用にクローンするには、Depth8 on Ultralytics Platformをご覧ください。
Depth8 はパイプラインのテスト専用であり、ベンチマーク用ではありません。8枚の画像は意味のある深度メトリクスを算出するには少なすぎます。代表的な結果を得るには、完全な NYU Depth V2 または SUN RGB-D のバリデーションセットを使用してください。
データセットの構造#
Depth8は標準的なUltralytics depth dataset layoutに準拠しています：RGB画像とペアになったuint16ミリメートル深度PNG（depth_scale: 1000）があり、ファイルステムで一致させます。
depth8-png/
├── images/
│ ├── train/ # 4 images
│ └── val/ # 4 images
└── depth/
├── train/ # 4 16-bit PNG depth maps
└── val/ # 4 16-bit PNG depth maps深度値は、約0.5mから4mの範囲の実際の屋内センサーキャプチャであり、完全なSUN RGB-Dデータセットの10m以下の範囲内に収まっています。
データセット YAML#
Depth8データセットの設定は、データセットYAMLファイルで定義されています。このファイルには、データセットのパス、クラス名、および小規模なパッケージ化されたサブセットのダウンロードURLが指定されています。
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Depth8 dataset (8 clean-label indoor images from SUN RGB-D Kinect v1/v2, 4 train / 4 val) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/depth/depth8
# Format: https://docs.ultralytics.com/datasets/depth#depth-map-format
# uint16 PNG values are divided by depth_scale to produce meters. The default 1000 gives 65,535
# one-millimeter depth values from 0.001 to 65.535 m; code 0 is invalid.
# Common values (resolution, uint16 maximum):
# ARKitScenes and NYU Depth V2: 1000 (1 mm, 65.535 m)
# KITTI: 256 (3.90625 mm, 255.996 m); Virtual KITTI 2: 100 (1 cm, 655.35 m)
# Example usage: yolo depth train data=depth8.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
# └── depth8-png ← downloads here (1.3 MB)
# ├── images/{train,val} # RGB images
# └── depth/{train,val} # paired 16-bit *.png depth maps (images/ -> depth/)
path: depth8-png # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
nc: 1
names:
0: depth
channels: 3
depth_scale: 1000 # PNG value 1000 = 1 meter
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/depth8-png.zip使用方法#
画像サイズ 640 で Depth8 データセット上で YOLO26n-depth モデルをトレーニングするには、以下の例を使用してください。トレーニングオプションの完全なリストについては、YOLO トレーニングドキュメントを参照してください。
from ultralytics import YOLO
# Load a pretrained YOLO26n-depth model
model = YOLO("yolo26n-depth.pt")
# Train the model on Depth8
results = model.train(data="depth8.yaml", epochs=100, imgsz=640)引用と謝辞#
Depth8はSUN RGB-Dからサンプリングされています。ソースの帰属や引用の詳細については、完全なSUN RGB-D dataset pageを参照してください。ソースデータセットではライセンスが指定されていません。
研究や開発の作業でSUN RGB-Dデータセットを使用する場合は、以下の論文を引用してください。
@inproceedings{song2015sunrgbd,
title={SUN RGB-D: A RGB-D Scene Understanding Benchmark Suite},
author={Song, Shuran and Lichtenberg, Samuel P. and Xiao, Jianxiong},
booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2015}
}よくある質問 (FAQ)#
Ultralytics Depth8 データセットは、単眼深度推定パイプラインの迅速なテストとデバッグのために設計されています。1.3 MB の自動ダウンロードアーカイブ内にわずか 8 枚の画像（学習用4枚、検証用4枚）が含まれており、SUN RGB-D や NYU Depth V2 などのフルデータセットにスケールアップする前に、ペアの深度マップ読み込み、データ拡張、損失計算、メトリクスといった、トレーニング・検証・予測の完全なサイクルを数秒で検証します。
Depth8は、SUN RGB-Dの9,245枚の学習用（train）および1,090枚の検証用（val）の分割データから8枚の画像をサンプリングしており、クリーンで高密度な深度マップを持つKinect v1/v2によるキャプチャを優先しています。完全版と同じ16ビットPNG深度フォーマットを使用しているため、Depth8で動作するパイプラインは、完全版データセットに対してもそのまま修正なしで動作します。完全版データセットとは異なり、Depth8は数秒でダウンロードでき、変換ステップも必要ありません。
いいえ。Depth8 はモデル比較を行うには小さすぎるため、トレーニングおよび評価パイプラインのチェック用を目的としています。代表的な深度推定メトリクスが必要な場合は、完全な NYU Depth V2 または SUN RGB-D のバリデーションセットを使用してください。