エンタープライズ対応のセキュリティ: ISO 27001 + SOC 2 Type I準拠。
CC BY-NC-SA 3.0

Link to this sectionKITTI Dataset#

Open KITTI Dataset In Colab

Ultralytics KITTIデータセットは、自動運転向けの2D物体検出データセットです。7,481枚のアノテーション済み画像（トレーニング用5,985枚、検証用1,496枚）が含まれており、車（car）、バン（van）、トラック（truck）、歩行者（pedestrian）、座っている人（person_sitting）、自転車（cyclist）、路面電車（tram）、その他（misc）の8クラスで構成されています。カールスルーエ工科大学とシカゴのトヨタ工業大学によって公開されており、実際の都市、郊外、高速道路での運転シーンの画像で構成されています。



Watch: How to Train Ultralytics YOLO on the KITTI Dataset | Object Detection, Inference & ONNX Export 🚀

より広範なKITTI Vision Benchmark Suiteには、深度推定、オプティカルフロー、ステレオビジョン、視覚的オドメトリなども含まれていますが、ここにあるUltralytics kitti.yaml構成は2D物体検出用に設定されており、Ultralytics YOLO26と完全な互換性があります。

Link to this sectionデータセットの構造#

警告

元のKITTIテストセットは、公開されている正解アノテーションがないため、ここには含まれていません。

このデータセットには、車、歩行者、自転車などの物体をカバーする7,481枚のアノテーション済み画像が含まれており、kitti.yaml構成で定義された2つのサブセットに分割されています。

分割画像説明
トレーニング5,985モデルトレーニング用のラベル付き画像
バリデーション1,496評価およびベンチマーク用のホールドアウト画像

Link to this sectionオブジェクトクラス#

kitti.yamlファイルは、運転シーンでよく見られる車両、歩行者、およびその他の道路利用者にわたる8つのオブジェクトクラスを定義しています。

KITTIクラス
  1. car
  2. van
  3. truck
  4. pedestrian
  5. person_sitting
  6. cyclist
  7. tram
  8. misc

Link to this sectionアプリケーション#

KITTIデータセットは、自動運転やロボット工学における幅広い2D検出アプリケーションをサポートしています。

  • 自動運転車の認識: 自動運転システムが安全に走行できるよう、車、歩行者、自転車を検出および追跡するモデルをトレーニングします。
  • ADAS開発: 実際の運転映像を使用して、衝突警告や歩行者検出などの運転支援機能を構築します。
  • 交通および道路シーンの分析: 車両や道路利用者を検出およびカウントし、交通流や交通安全を調査します。
  • コンピュータビジョンのベンチマーク: 2D物体検出および追跡モデルを評価するための標準ベンチマークとしてKITTIを使用します。

自身の運転映像のラベル付け、トレーニング、データセットバージョンの管理をブラウザ上で行うには、Ultralytics Platformを使用して完全なワークフローを実行してください。

Link to this sectionデータセット YAML#

Ultralyticsは、YAMLファイルを使用してKITTIデータセット構成を定義します。このファイルには、トレーニングに必要なデータセットのパス、クラスラベル、メタデータが指定されています。構成ファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yamlから入手できます。

ultralytics/cfg/datasets/kitti.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# KITTI dataset by Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago
# Documentation: https://docs.ultralytics.com/datasets/detect/kitti
# Example usage: yolo train data=kitti.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── kitti ← downloads here (390.5 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: kitti # dataset root dir
train: images/train # train images (relative to 'path') 5985 images
val: images/val # val images (relative to 'path') 1496 images

names:
  0: car
  1: van
  2: truck
  3: pedestrian
  4: person_sitting
  5: cyclist
  6: tram
  7: misc

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/kitti.zip

Link to this section使用方法#

KITTIデータセットでYOLO26nモデルを100エポック、画像サイズ640でトレーニングするには、以下のコマンドを使用します。データセット(390.5 MB)は初回使用時に自動的にダウンロードされます。詳細については、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 YOLO26 model
model = YOLO("yolo26n.pt")

# Train on kitti dataset
results = model.train(data="kitti.yaml", epochs=100, imgsz=640)

同じ構成ファイルを使用して、コマンドラインまたはPython APIから直接、評価、inference、および export タスクを実行することもできます。

Link to this sectionサンプル画像とアノテーション#

以下のサンプルは、2Dバウンディングボックスのアノテーションが施されたデータセット内の運転シーンを示しています。KITTI画像は、実際の交通状況で撮影された都市、郊外、高速道路のシーンにまたがっており、モデルにさまざまな物体のスケール、視点、照明条件を提供します。

KITTI dataset vehicle detection sample

Link to this section引用と謝辞#

研究で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{Geiger2013IJRR,
  author = {Andreas Geiger and Philip Lenz and Christoph Stiller and Raquel Urtasun},
  title = {Vision meets Robotics: The KITTI Dataset},
  journal = {International Journal of Robotics Research (IJRR)},
  year = {2013}
}

コンピュータビジョン、ロボット工学、自律型システムの進歩を形作り続けているこの包括的なデータセットを提供してくれたKITTI Vision Benchmark Suiteに感謝します。詳細については、KITTIウェブサイトをご覧ください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionKITTIデータセットは何に使用されますか？#

Ultralytics KITTIデータセットは、自動運転向けの2D物体検出モデルをトレーニングおよび評価するために使用されます。車、歩行者、自転車など8クラスにわたる7,481枚のアノテーション済み画像を提供し、認識モデルのベンチマークに広く使用されています。

Link to this sectionKITTIデータセットには何枚の画像といくつのクラスが含まれていますか？#

Ultralytics KITTI構成には7,481枚の画像が含まれており、トレーニング用が5,985枚、検証用が1,496枚で、個別のテスト分割はありません。各画像には、車、バン、トラック、歩行者、座っている人、自転車、路面電車、その他という8つのクラスのアノテーションが付けられています。

Link to this sectionKITTIデータセットにはテスト分割が含まれていますか？#

いいえ。Ultralytics KITTI構成は、トレーニング（5,985枚の画像）と検証（1,496枚の画像）の分割のみを提供します。元のKITTIテストセットは、公開されている正解アノテーションがないため除外されています。

Link to this sectionKITTIデータセットをダウンロードするにはどうすればよいですか？#

データセット（390.5 MB）は、data="kitti.yaml"を使用して最初にトレーニングを行うときに自動的にダウンロードされるため、手動の操作は不要です。Ultralyticsが画像とラベルを取得し、ローカルのデータセットディレクトリに解凍します。関連するデータセットは検出データセットの概要から閲覧できます。

Link to this sectionKITTIデータセットを使用してUltralytics YOLO26モデルをトレーニングできますか？#

はい、KITTIはUltralytics YOLO26と完全な互換性があります。提供されているYAML構成ファイルを使用して、直接モデルのトレーニングと検証を行うことができます。

Link to this sectionKITTIデータセットの構成ファイルはどこにありますか？#

kitti.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yamlからアクセスできます。これには、トレーニングに使用されるデータセットのパスと8つのクラス名が定義されています。

貢献者
GLglenn-jocher5RIRizwanMunawar3RAraimbekovm2HIhim2him21

コメント