Link to this sectionKITTI Depthデータセット#

KITTIデータセットは、カールスルーエ市街地とその周辺で走行中の車両から撮影された、実世界の屋外自動運転ベンチマークです。単眼深度推定のために、グランドトゥルース（正解データ）の深度はVelodyne HDL-64 LiDARスキャナーから取得され、Uhrig et al. 2017の手法を用いて高密度化されています。結果として得られる深度マップは疎（スパース）であり、有効な深度値を持つ画素は約16〜20%です。KITTIはYOLO26-Depthの事前学習セットに含まれる唯一の実世界の屋外長距離データソースであり、KITTI Eigen評価ベンチマークとしても使用されています。

Link to this section主な特徴#

最大約80mの深度を持つ実世界の屋外走行シーンであり、一般的な屋内範囲を大幅に超えています。
深度のグランドトゥルースはVelodyne HDL-64 LiDARから取得され、Sparsity Invariant CNNs（Uhrig et al. 2017）のアプローチで高密度化されています。
スパースな教師データ：画像あたりの画素のうち有効な深度値を持つのは約16〜20%であり、無効な画素は損失計算やメトリクスからマスクされます。
ステレオ画像ペア（左カメラimage_02と右カメラimage_03）により、学習用の追加視点を提供します。
Depth values are stored as .npy float32 arrays in meters, following the Ultralytics depth dataset format.

Link to this sectionデータセットの構造#

Ultralyticsで使用されるKITTI depthデータは、以下の2つのサブセットに分割されています。

学習分割: 60,040枚の画像（左image_02および右image_03）。評価の公平性を保つため、28のKITTI Eigenテストドライブは学習から除外されています。
評価分割: KITTI Eigenテスト分割、32,378枚の画像（両カメラ）。評価にはGargクロップ、80mの深度上限、および予測値とグランドトゥルース間の対数最小二乗法によるアライメントが使用されます。

深度範囲は約80mに達するため、データセットYAML（depth-kitti.yaml）ではそれに応じてmax_depth: 80が設定されています。

Link to this sectionYOLO26-Depthにおける役割#

KITTIはYOLO26-Depth事前学習セットにおける唯一の実世界の屋外長距離教師データであり、主に屋内データソースを補完します。また、走行シーンの深度精度を報告するための標準的なKITTI Eigenベンチマークでもあります。

KITTI is a key example of why the depth head is unbounded (log mode): a fixed 10 m output ceiling cannot represent 80 m driving scenes. See the depth task page for details on the head output range and max_depth handling.

Link to this section結果#

モデルサイズ別のKITTI Eigen delta1精度（高いほど良好）：

モデル	KITTI Eigen δ1
YOLO26n-Depth	0.888
YOLO26s-Depth	0.882
YOLO26m-Depth	0.924
YOLO26l-Depth	0.927
YOLO26x-Depth	0.939

Link to this sectionデータセット YAML#

YAML（Yet Another Markup Language）ファイルは、データセット構成を定義するために使用されます。これには、データセットのパス、クラス、および最大深度などの関連情報が含まれています。

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 section使用方法#

KITTIデータセットでYOLO26n-Depthモデルを100エポック学習させるには、以下のコードスニペットを使用できます。利用可能な引数の完全なリストについては、モデルのトレーニングページを参照してください。

学習例

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 section事前学習済みモデル#

事前学習済みのYOLO26-Depthモデルは、名前で初めて参照されると、Ultralytics v8.4.0アセットリリースから自動的にダウンロードされます。

Link to this section引用と謝辞#

研究や開発作業でKITTI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。

引用

@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}
}

KITTIデータセットを作成および維持管理しているカールスルーエ工科大学およびシカゴのトヨタ技術研究所、ならびに高密度な教師データを可能にする深度高密度化手法を提供したUhrig et al.に感謝いたします。

コントリビューター

BOBovey0809¹

作成日 1 時間前更新日 1 時間前