Обзор наборов данных для оценки глубины#

Оценка монокулярной глубины присваивает каждому пикселю изображения значение глубины с плавающей точкой в метрах. Целевой объект обучения представляет собой плотную карту глубины для каждого пикселя, сохраненную в виде массива float32 .npy. Каждое значение представляет расстояние от камеры до соответствующей точки сцены.

В этом руководстве объясняется формат наборов данных, используемый моделями оценки глубины Ultralytics YOLO, а также перечислены встроенные конфигурации наборов данных, доступные для обучения и валидации.

Поддерживаемый формат наборов данных#

Формат карты глубины NPY#

Каждый обучающий образец состоит из одного RGB-изображения и одного парного файла глубины .npy. Файл глубины содержит двумерный массив NumPy float32 с формой (H, W), где значения представляют глубину в метрах.

• Файлы глубины должны использовать расширение .npy и содержать массив float32.
• Каждый файл глубины должен иметь то же базовое имя, что и соответствующий файл изображения (например, scene_001.npy сопрягается с scene_001.jpg).
• Загрузчик набора данных находит файлы глубины, заменяя компонент каталога images на depth в пути к файлу и заменяя расширение изображения на .npy.
• Пиксели с глубиной ≤ 0 считаются недействительными и исключаются из вычисления потерь и метрик.

Стандартная структура предполагает хранение изображений и карт глубины в параллельных папках:

dataset/
├── images/
│   ├── train/
│   └── val/
└── depth/
    ├── train/
    └── val/

Например, изображение по адресу images/train/scene_001.jpg сопряжено с картой глубины по адресу depth/train/scene_001.npy.

Формат YAML для набора данных#

Наборы данных для оценки глубины настраиваются с помощью YAML-файлов. Основные поля:

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# NYU Depth V2 dataset for monocular depth estimation
# Documentation: https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
# 795 train + 654 val (Eigen test split) images, 480x640, indoor scenes, depth in meters
# Example usage: yolo depth train data=nyu-depth.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── nyu-depth  ← downloads here (≈1.5 GB)

# 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: nyu-depth # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 795 images
val: images/val # val images (relative to 'path') 654 images

# Depth maps are paired .npy files (float32, meters) under depth/<split>/, resolved by
# swapping '/images/' -> '/depth/' on each image path.

# Classes
nc: 1
names:
  0: depth

channels: 3

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

Использование#

Обучи модель оценки глубины YOLO26 с помощью Python или CLI:

from ultralytics import YOLO

# Load a pretrained depth model
model = YOLO("yolo26n-depth.pt")

# Train on the NYU Depth V2 dataset
results = model.train(data="nyu-depth.yaml", epochs=100, imgsz=640)

Поддерживаемые наборы данных#

Модели глубины YOLO26 предварительно обучены на широком наборе данных (~2,19 млн изображений), охватывающем диапазоны от помещений (≤10 м) до открытых пространств (~80 м), а затем протестированы без обучения (zero-shot) на пяти бенчмарках. Для каждого набора данных есть отдельная страница:

Отладка

• Depth8 — 8 изображений SUN RGB-D в автоматически загружаемом архиве объемом 1.3 МБ для быстрого тестирования пайплайна

Источники предварительного обучения

• ARKitScenes — реальные интерьеры, Apple ARKit LiDAR (крупнейший реальный источник)
• SUN RGB-D — реальные интерьеры, многосенсорный RGB-D
• DIODE — реальные интерьеры и экстерьеры, плотные наземные данные лазерного сканера
• Hypersim — синтетические фотореалистичные интерьеры
• TartanAir — синтетические разнообразные среды
• Virtual KITTI 2 — синтетическое вождение в экстерьере
• KITTI — реальное вождение в экстерьере, Velodyne LiDAR (также эталонный бенчмарк)
• ImageNet (псевдоразмеченный) — псевдоразмеченный набор дистилляции, крупнейший отдельный источник

Бенчмарки для оценки

• NYU Depth V2 — основной бенчмарк для интерьеров
• KITTI Eigen — бенчмарк вождения в экстерьере
• ETH3D — высокоточные интерьеры и экстерьеры
• Make3D — экстерьер, вне распределения
• iBims-1 — высококачественные интерьеры (границы и планарные поверхности)

Точность каждой модели на этих бенчмарках и загружаемые предобученные веса перечислены на странице задачи оценки глубины. YAML набора данных, поле train которого перечисляет несколько каталогов изображений, объединяет эти источники для масштабного смешанного обучения.

Добавление собственного набора данных#

1. Сохраняй RGB-изображения в папках с разделением, таких как images/train и images/val.
2. Сохраняй один массив глубины float32 .npy на изображение в соответствующих папках depth/train и depth/val, используя то же базовое имя файла, что и у изображения.
3. Убедись, что значения глубины указаны в метрах, а для недопустимых или отсутствующих пикселей используются 0 или отрицательные значения.
4. Создай YAML-файл датасета с path, train, val, nc: 1 и names: {0: depth}.

path: path/to/my-depth-dataset
train: images/train
val: images/val

nc: 1
names:
    0: depth

FAQ#