Link to this sectionНабор данных Make3D Depth#

Make3D — это классический бенчмарк для монокулярной оценки глубины на открытом воздухе. Он содержит изображения университетского кампуса в паре с эталонными данными глубины, полученными с помощью специального 3D-лазерного сканера, и широко используется для проверки обобщающей способности моделей на данных вне обучающего распределения.

Link to this sectionКлючевые особенности#

• Эталонные данные глубины, полученные с помощью специального 3D-лазерного сканера.
• Охватывает реальные уличные сцены кампуса.
• Диапазон глубины до примерно 70 м.
• Оценка проводится на стандартном тестовом наборе из 134 изображений.
• Классический бенчмарк для проверки обобщающей способности вне обучающего распределения.

Link to this sectionРоль в YOLO26-Depth#

Make3D — это бенчмарк для zero-shot оценки семейства YOLO26-Depth; опубликованные модели на нем не обучались. Как набор данных для открытых пространств, находящийся вне обучающего распределения, он является самым сложным бенчмарком для всех моделей, и абсолютные значения delta1 здесь повсеместно низкие, что является ожидаемым для этого набора данных.

Оценка использует многомасштабную аугментацию и горизонтальное отражение во время теста (TTA), за которыми следует логарифмически-квадратичное выравнивание масштаба между предсказанными и эталонными картами глубины перед расчетом метрик.

Link to this sectionРезультаты#

В таблице ниже приведена точность delta1 (процент пикселей в пределах порога 1.25×, чем выше, тем лучше) на тестовом наборе Make3D в зависимости от размера модели.

Link to this sectionОценка#

Make3D не поставляется с готовым YAML-файлом набора данных. Его оценка выполняется через специализированный скрипт, который загружает изображения Make3D и эталонные данные глубины с лазерного сканера, применяет стандартные TTA и выравнивание масштаба методом наименьших квадратов логарифмов, а затем выводит метрики глубины.

Link to this sectionИспользование#

Make3D является внешним бенчмарком, поэтому для работы с ним модели обычно запускаются с использованием predict на его изображениях. Полный список доступных аргументов можно найти на странице Предсказание модели.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26x-depth.pt")  # load a pretrained depth model

# Predict depth on Make3D images
results = model.predict("path/to/make3d/images")

Link to this sectionПредварительно обученные модели#

Семейство моделей глубины YOLO26 оценивается на бенчмарке Make3D в режиме zero-shot. Эти модели автоматически скачиваются из последнего релиза Ultralytics, например YOLO26x-depth из версии v8.4.0, и охватывают ряд размеров (yolo26n/s/m/l/x-depth) для различных требований к точности и ресурсам.

Link to this sectionЦитирование и благодарности#

Если ты используешь набор данных Make3D в своих исследованиях или разработках, пожалуйста, процитируй следующую статью:

@article{saxena2009make3d,
      title={Make3D: Learning 3D Scene Structure from a Single Still Image},
      author={Saxena, Ashutosh and Sun, Min and Ng, Andrew Y.},
      journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
      year={2009}
}

Мы хотели бы поблагодарить авторов за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения.