Link to this sectionKITTI 데이터셋#

Ultralytics KITTI 데이터셋은 자율 주행을 위한 2D 객체 탐지 데이터셋으로, 8개 클래스(car, van, truck, pedestrian, person_sitting, cyclist, tram, misc)에 걸쳐 주석이 달린 7,481장의 이미지(학습용 5,985장, 검증용 1,496장)를 포함하고 있습니다. Karlsruhe Institute of Technology와 Toyota Technological Institute at Chicago에서 발표한 이 데이터셋의 이미지는 실제 도심, 시골, 고속도로 주행 환경을 담고 있습니다.

더 광범위한 KITTI Vision Benchmark Suite는 깊이 추정(depth estimation), 광학 흐름(optical flow), 스테레오 비전, 시각적 주행 거리 측정(visual odometry)까지 포괄하지만, 여기 제공된 Ultralytics kitti.yaml 구성은 2D 객체 탐지를 위해 설정되었으며 Ultralytics YOLO26과 완전히 호환됩니다.

Link to this section데이터셋 구조#

이 데이터셋에는 자동차, 보행자, 자전거 운전자와 같은 객체를 포함하는 7,481장의 주석이 달린 이미지가 포함되어 있으며, kitti.yaml 구성에 따라 다음과 같이 두 개의 사전 정의된 하위 집합으로 나뉩니다:

Link to this section사물 클래스#

kitti.yaml 파일은 주행 장면에서 흔히 볼 수 있는 차량, 사람 및 기타 도로 이용자를 포함하는 8개의 객체 클래스를 정의합니다:

Link to this section응용 분야#

KITTI 데이터셋은 자율 주행 및 로봇 공학 분야의 다양한 2D 탐지 애플리케이션을 지원합니다:

• 자율 주행 차량 인식: 모델을 학습시켜 자동차, 보행자, 자전거 운전자를 탐지하고 추적함으로써 자율 주행 시스템이 안전하게 주행할 수 있도록 합니다.
• ADAS 개발: 실제 주행 영상을 바탕으로 충돌 경고 및 보행자 탐지와 같은 운전자 보조 기능을 구축합니다.
• 교통 및 도로 상황 분석: 차량과 도로 이용자를 탐지하고 계수하여 교통 흐름과 도로 안전을 연구합니다.
• 컴퓨터 비전 벤치마킹: 2D 객체 탐지 및 추적 모델을 평가하기 위한 표준 벤치마크로 KITTI를 사용합니다.

자신의 주행 이미지를 라벨링하고, 브라우저에서 데이터셋 버전을 학습 및 관리하려면 Ultralytics Platform을 통해 전체 워크플로우를 실행하십시오.

Link to this section데이터셋 YAML#

Ultralytics는 YAML 파일을 사용하여 KITTI 데이터셋 구성을 정의합니다. 이 파일은 학습에 필요한 데이터셋 경로, 클래스 라벨 및 메타데이터를 지정합니다. 구성 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml에서 확인할 수 있습니다.

# 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 section사용법#

이미지 크기 640으로 100 epochs 동안 KITTI 데이터셋에서 YOLO26n 모델을 학습하려면 다음 명령어를 사용하십시오. 데이터셋(390.5 MB)은 처음 사용할 때 자동으로 다운로드됩니다. 자세한 내용은 학습(Training) 페이지를 참조하십시오.

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)

동일한 구성 파일을 사용하여 명령줄 또는 Python API에서 직접 평가, 추론(inference) 및 내보내기(export) 작업을 수행할 수도 있습니다.

Link to this section샘플 이미지 및 주석#

아래 샘플은 2D 바운딩 박스 주석이 포함된 데이터셋의 주행 장면을 보여줍니다. KITTI 이미지는 실제 교통 상황에서 포착된 도심, 시골, 고속도로 장면을 아우르며, 모델이 다양한 객체 크기, 시점, 조명 상태를 학습할 수 있게 합니다.

Link to this section인용 및 감사의 글#

연구에 KITTI 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오:

@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}
}

컴퓨터 비전, 로봇 공학 및 자율 시스템 분야의 발전을 이끄는 이 포괄적인 데이터셋을 제공한 KITTI Vision Benchmark Suite에 감사를 표합니다. 자세한 내용은 KITTI 웹사이트를 방문하십시오.

Link to this sectionFAQ#

Link to this sectionKITTI 데이터셋은 어디에 사용되나요?#

Ultralytics KITTI 데이터셋은 자율 주행을 위한 2D 객체 탐지 모델을 학습하고 평가하는 데 사용됩니다. 이 데이터셋은 자동차, 보행자, 자전거 운전자를 포함한 8개 클래스에 대해 7,481장의 주석이 달린 이미지를 제공하며, 인식 모델 벤치마킹에 널리 활용됩니다.

Link to this sectionKITTI 데이터셋에는 몇 개의 이미지와 클래스가 포함되어 있나요?#

Ultralytics KITTI 구성에는 총 7,481장의 이미지가 포함되어 있으며, 학습용 5,985장과 검증용 1,496장으로 구성되어 있고 별도의 테스트 데이터셋은 없습니다. 각 이미지는 car, van, truck, pedestrian, person_sitting, cyclist, tram, misc 등 8개 클래스로 주석이 지정되어 있습니다.

Link to this sectionKITTI 데이터셋에 테스트 데이터셋이 포함되어 있나요?#

아니요. Ultralytics KITTI 구성은 학습(5,985장) 및 검증(1,496장) 데이터셋만 제공합니다. 원래의 KITTI 테스트 세트는 공개된 정답 주석이 없기 때문에 제외되었습니다.

Link to this sectionKITTI 데이터셋은 어떻게 다운로드하나요?#

data="kitti.yaml"을 사용하여 학습을 시작하면 데이터셋(390.5 MB)이 자동으로 다운로드되므로 수동 단계가 필요하지 않습니다. Ultralytics는 이미지와 라벨을 가져와 로컬 데이터셋 디렉터리에 압축을 해제합니다. 탐지 데이터셋 개요에서 관련 데이터셋을 둘러볼 수 있습니다.

Link to this sectionKITTI 데이터셋을 사용하여 Ultralytics YOLO26 모델을 학습할 수 있나요?#

네, KITTI는 Ultralytics YOLO26과 완전히 호환됩니다. 제공된 YAML 구성 파일을 사용하여 직접 모델을 학습하고 검증할 수 있습니다.

Link to this sectionKITTI 데이터셋 구성 파일은 어디에서 찾을 수 있나요?#

kitti.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml에서 액세스할 수 있습니다. 이 파일에는 데이터셋 경로와 학습에 사용되는 8개 클래스 이름이 정의되어 있습니다.