はじめる

KITTIデータセット

KITTI preview 1
KITTI preview 2
KITTI preview 3
KITTI preview 4
7,481
KITTI
ultralytics
PublicDetect

Car-mounted camera views of road scenes around Karlsruhe, Germany, from the KITTI autonomous-driving benchmark (KIT and TTI Chicago). Recorded with a sensor-equipped station wagon in city, rural, and highway traffic, with vehicles, pedestrians, and cyclists labeled under frequent occlusion and truncation. Ultralytics splits the labeled KITTI training images into train and val, omits the unlabeled test set, and drops DontCare regions. Source: Geiger, Lenz, Urtasun, "Are We Ready for Autonomous Driving? The KITTI Vision Benchmark Suite," CVPR 2012; cvlibs.net/datasets/kitti.

8 classes721.4 MBOct 23, 2026
carvantruckpedestrian+4
object-detectionautonomous-drivingvehicles+2

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。8クラス(car、van、truck、pedestrian、person_sitting、cyclist、tram、misc)にわたる7,481枚のアノテーション付き画像(トレーニング用5,985枚、検証用1,496枚)を含みます。カールスルーエ工科大学とシカゴのToyota Technological Instituteが公開したもので、画像には実際の都市部、農村部、高速道路での運転シーンが含まれています。



視聴: KITTI データセットで Ultralytics YOLO をトレーニングする方法 | 物体検出、推論、ONNX エクスポート 🚀

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、ビジュアルオドメトリも含まれますが、ここで使用するUltralyticsのkitti.yaml設定は、Ultralytics YOLO26による2D物体検出用に構成されています。

データセットの構成#

警告

元のKITTIテストセットには公開された正解アノテーションがないため、ここでは除外されています。

このデータセットには、車、自転車利用者、歩行者などを含む、アノテーション済み画像が7,481枚あります。kitti.yaml設定で定義された2つの事前定義済みサブセットに分割されています。

分割画像説明
学習5,985モデルのトレーニング用ラベル付き画像
検証1,496評価とベンチマーク用にホールドアウトされた画像

物体クラス#

kitti.yamlファイルでは、走行シーンで一般的に見られる車両、人、その他の道路利用者にまたがる8つの物体クラスを定義しています。

KITTIクラス
  1. 車
  2. バン
  3. トラック
  4. 歩行者
  5. person_sitting
  6. 自転車利用者
  7. 路面電車
  8. その他

用途#

KITTIデータセットは、自動運転やロボティクスにおけるさまざまな2D検出アプリケーションに対応しています。

  • 自動運転車の認識: 車、歩行者、自転車利用者を検出・追跡するモデルをトレーニングし、自動運転システムが安全に走行できるようにします。
  • ADAS開発: 実際の走行映像を使って、衝突警告や歩行者検出などの運転支援機能を開発します。
  • 交通・道路シーンの分析: 車両や道路利用者を検出・カウントし、交通の流れや道路の安全性を調査します。
  • コンピュータービジョンのベンチマーク: KITTIを標準ベンチマークとして使用し、2D物体検出モデルとトラッキングモデルを評価します。

独自の走行画像にラベルを付け、データセットのバージョンをブラウザー上でトレーニング・管理するには、Ultralytics Platformでワークフロー全体を実行してください。

データセットYAML#

Ultralyticsでは、YAMLファイルを使用してKITTIデータセットの設定を定義しています。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。設定ファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yamlで入手できます。

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

使用方法#

以下のコマンドを使用すると、KITTIデータセットで画像サイズ640、100エポックの条件でYOLO26nモデルをトレーニングできます。データセット(390.5 MB)は初回使用時に自動でダウンロードされます。

トレーニング例
from ultralytics import YOLO

# 事前学習済みYOLO26モデルを読み込みます
model = YOLO("yolo26n.pt")

# KITTIデータセットでトレーニング
results = model.train(data="kitti.yaml", epochs=100, imgsz=640)

同じ設定ファイルを使用して、評価、推論、エクスポートの各タスクを、コマンドラインまたはPython APIから直接実行することもできます。

サンプル画像とアノテーション#

以下のサンプルは、データセット内の走行シーンと、その2Dバウンディングボックスのアノテーションを示しています。KITTIの画像には、実際の交通状況で撮影された都市部、農村部、高速道路のシーンが含まれており、さまざまな物体サイズ、視点、照明条件をモデルに提供します。

KITTI dataset vehicle detection sample

引用と謝辞#

研究でKITTI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
@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}
}

コンピュータービジョン、ロボティクス、自律システムの進歩を支え続ける包括的なデータセットを提供してくださったKITTI Vision Benchmark Suiteに感謝します。詳細については、KITTIのウェブサイトをご覧ください。

よくある質問#

  • Ultralytics KITTIデータセットは、自動運転向けの2D物体検出モデルのトレーニングと評価に使用されます。車、歩行者、自転車利用者などを含む8クラスのアノテーション付き画像7,481枚を提供し、認識モデルのベンチマークに広く利用されています。

  • Ultralytics KITTI設定には画像が7,481枚含まれており、その内訳はトレーニング用5,985枚、検証用1,496枚です。独立したテスト分割はありません。各画像には、car、van、truck、pedestrian、person_sitting、cyclist、tram、miscの8クラスのいずれかがアノテーションされています。

  • いいえ。Ultralytics KITTI設定で提供されるのは、トレーニング(画像5,985枚)と検証(画像1,496枚)の分割のみです。元のKITTIテストセットには公開されたグラウンドトゥルースアノテーションがないため、含まれていません。

  • data="kitti.yaml"を使用して初めてトレーニングすると、データセット(390.5 MB)が自動的にダウンロードされるため、手動での操作は不要です。Ultralyticsは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展開します。関連するデータセットは、検出データセットの概要で確認できます。

  • はい。KITTIはそのままUltralytics YOLO26で利用できます。提供されているYAML設定ファイルを使用して、モデルを直接トレーニングおよび検証できます。

  • 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。このファイルでは、データセットのパスとトレーニングに使用する8つのクラス名が定義されています。

コメント

質問したり、結果を共有したり、ほかの人をサポートしたりできます。