Ultralytics YOLO27:
No license

Depth8データセット#

はじめに#

Ultralytics 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した8枚の画像（トレーニング用4枚、バリデーション用4枚）で構成される、コンパクトな単眼深度推定データセットです。各分割にはKinect v1とKinect v2のキャプチャがセンサーごとに2枚ずつ含まれており、高密度でアーティファクトのない正解深度マップを提供します。深度推定用のYOLO26モデルとトレーニングパイプラインの迅速なテスト、デバッグ、実験向けに設計されており、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は数秒でトレーニングを開始します。

Ultralytics PlatformのDepth8でRGBと深度のペアをプレビューし、トレーニング用にクローンできます。

注記

Depth8はパイプラインのテスト専用であり、ベンチマーキング向けではありません。8枚の画像では少なすぎるため、意味のある深度メトリクスを算出できません。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。

データセットの構成#

Depth8は標準のUltralytics深度データセットレイアウトに従います。RGB画像と、対応するuint16ミリメートル単位の深度PNG（depth_scale: 1000）を使用し、ファイルステムで対応付けます。

depth8-png/
├── images/
│   ├── train/  # 4 images
│   └── val/    # 4 images
└── depth/
    ├── train/  # 4 16-bit PNG depth maps
    └── val/    # 4 16-bit PNG depth maps

深度値は実際の屋内センサーによるキャプチャで、約0.5 mから4 mの範囲にあり、完全なSUN RGB-Dデータセットの≤10 mの範囲内に十分収まっています。

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おり、データセットのパス、クラス名、小規模なパッケージ済みサブセットのダウンロードURLを指定します。

ultralytics/cfg/datasets/depth8.yaml
# 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データセット上のYOLO26n-depthモデルをトレーニングするには、次の例を使用してください。トレーニングオプションの一覧については、YOLOトレーニングのドキュメントを参照してください。

トレーニング例
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。出典の帰属と引用の詳細については、完全なSUN RGB-Dデータセットページを参照してください。出典データセットにはライセンスの指定がありません。

研究または開発業務でSUN RGB-Dデータセットを使用する場合は、次の論文を引用してください。

引用
@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}
}

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向け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に8枚の画像（トレーニング4枚、バリデーション4枚）だけを含むため、SUN RGB-DやNYU Depth V2のような完全なデータセットに拡張する前に、深度マップのペア読み込み、拡張、損失計算、メトリクスを含むトレーニング／バリデーション／予測の一連のサイクルを数秒で検証できます。

  • Depth8は、SUN RGB-Dの9,245-train/1,090-val分割から8枚の画像をサンプリングし、クリーンで高密度な深度マップを持つKinect v1/v2のキャプチャを優先しています。16ビットPNG深度フォーマットを完全に同一のまま使用するため、Depth8で動作するパイプラインは完全なデータセットでも変更なしで動作します。完全なデータセットとは異なり、Depth8は数秒でダウンロードでき、変換手順も必要ありません。

  • いいえ。Depth8は意味のあるモデル比較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。

貢献者
GLglenn-jocher5PDpderrenger1BOBovey08091

コメント