KITTI Derinlik Veri Kümesi#
KITTI veri kümesi, Karlsruhe şehri içinde ve çevresinde hareketli bir araçtan kaydedilmiş gerçek dünya dış mekân otonom sürüş kıyaslama veri kümesidir. Tek gözlü derinlik tahmini için temel gerçek derinlik, Velodyne HDL-64 LiDAR tarayıcısından elde edilir ve Uhrig ve diğerlerinin 2017 tarihli yöntemiyle yoğunlaştırılır. Ortaya çıkan derinlik haritaları seyrek kalır; piksellerin yaklaşık %16–20'si geçerli bir derinlik değeri taşır. KITTI, YOLO26-Depth ön eğitim karışımındaki gerçek dış mekân sürüş kaynağıdır ve KITTI Eigen değerlendirme kıyaslaması olarak da kullanılır.
Temel Özellikler#
- Derinliklerin yaklaşık 80 m'ye kadar ulaştığı gerçek dış mekân sürüş sahneleri; tipik iç mekân aralığının çok ötesinde.
- Derinlik temel gerçek değerleri, Velodyne HDL-64 LiDAR'dan elde edilir ve Uhrig ve diğerlerinin 2017 tarihli Sparsity Invariant CNNs yaklaşımıyla yoğunlaştırılır.
- Seyrek denetim: görüntü başına piksellerin yalnızca yaklaşık %16–20'si geçerli bir derinlik değeri taşır; geçersiz pikseller kayıp ve metrik hesaplamalarında maskelenir.
- Stereo görüntü çiftleri (sol
image_02ve sağimage_03), eğitim için ek bakış açıları sağlar. - Derinlik değerleri, metre başına 256 birim (
depth_scale: 256) kullanılarak uint16 PNG dosyalarında ve Ultralytics derinlik veri kümesi biçimine uygun şekilde saklanır.
Veri Kümesi Yapısı#
Ultralytics tarafından kullanılan KITTI derinlik verileri iki alt kümeye ayrılır:
- Eğitim bölümü: 55.198 görüntü (sol
image_02ve sağimage_03). Değerlendirmenin adil olması için 28 KITTI Eigen test sürüşünün tamamı eğitim dışında tutulur. - Değerlendirme bölümü: KITTI Eigen test bölümü — iyileştirilmiş temel gerçek değerlere sahip 652 sol kamera karesi. Değerlendirmede 80 m derinlik sınırı ve tahminlerle temel gerçek değerler arasında medyan (yalnızca ölçek) hizalaması kullanılır.
Derinlik aralığı yaklaşık 80 m'ye ulaşır ve veri kümesi YAML dosyası (depth-kitti.yaml) bunu uygun şekilde max_depth: 80 olarak ayarlar. İlk kullanımda YAML, iyileştirilmiş temel gerçek değerleri (~14 GB) ve eşleşen ham sürüş verilerini (~175 GB) otomatik indirir ve bunları Ultralytics derinlik veri kümesi biçimine dönüştürür.
YOLO26-Depth'teki rolü#
KITTI, YOLO26-Depth ön eğitim karışımına gerçek dış mekân sürüş denetimi sağlar ve ağırlıklı olarak iç mekân kaynaklarını tamamlar. Ayrıca sürüş sahnelerindeki derinlik doğruluğunu raporlamak için standart KITTI Eigen kıyaslaması olarak kullanılır.
KITTI, derinlik başlığının neden sınırsız olduğunu (log modu) gösteren önemli bir örnektir: sabit 10 m çıktı sınırı, 80 m'lik sürüş sahnelerini temsil edemez. Başlığın çıktı aralığı ve max_depth işlemesi hakkında ayrıntılar için derinlik görevi sayfasına bak.
Sonuçlar#
Model boyutuna göre KITTI Eigen delta1 doğruluğu (yüksek değer daha iyidir):
| Model | KITTI Eigen δ1 |
|---|---|
| YOLO26n-Depth | 0.878 |
| YOLO26s-Depth | 0.879 |
| YOLO26m-Depth | 0.913 |
| YOLO26l-Depth | 0.926 |
| YOLO26x-Depth | 0.932 |
652 karelik kanonik bölmede imgsz=768 ve rect=False kullanılarak ölçülmüştür. Bu değerler, yayımlanmış KITTI sayılarıyla doğrudan karşılaştırılamaz: val her görüntüyü kare biçimindeki imgsz boyutuna genişletir ve seyrek referans verisini bu boyuta en yakın komşu yöntemiyle yeniden örnekler; referans değerlendiriciler ise tahmini referans verisinin özgün çözünürlüğüne geri boyutlandırır; DepthMetrics, referans veriyi max_depth değerine göre maskeler; buna karşılık iyileştirilmiş referans veri protokolü gt > 0 değerini maskeler ve yalnızca tahmine üst sınır uygular; ayrıca yayımlanan ağırlıklar, bu test karelerinin 72'sini eğitim kümesine yerleştiren önceki bölmeyle eğitilmiştir.
Veri Kümesi YAML Dosyası#
Veri kümesi yapılandırmasını tanımlamak için bir YAML dosyası kullanılır. Dosyada veri kümesinin yolları, sınıfları ve maksimum derinlik gibi diğer ilgili bilgiler bulunur.
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# KITTI dataset for monocular depth estimation — real outdoor driving, Velodyne HDL-64 LiDAR (densified), sparse, up to ~80 m
# Documentation: https://docs.ultralytics.com/datasets/depth/kitti
# Example usage: yolo depth train data=depth-kitti.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
# └── depth-kitti ← downloads here (~190 GB archives, ~140 GB converted)
# ├── images/{train,val} # RGB images
# └── depth/{train,val} # paired 16-bit *.png depth maps (images/ -> depth/)
# If an interrupted download leaves a partial dataset, delete the depth-kitti dir and re-run to rebuild it.
# The download only runs when the val images are missing (train is never checked), so a depth-kitti dir
# built before this split fix keeps the old split until it is deleted and rebuilt.
path: depth-kitti # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 55198 images
val: images/val # val images (relative to 'path') 652 images (KITTI Eigen test split, left camera)
max_depth: 80 # (m) maximum valid depth; GT beyond this is excluded from val metrics
nc: 1
names:
0: depth
channels: 3
depth_scale: 256 # KITTI PNG value 256 = 1 meter
# Download script/URL (optional)
download: |
import shutil
from pathlib import Path
from ultralytics.utils import TQDM
from ultralytics.utils.downloads import download
# The 28 KITTI Eigen test scenes as "<drive> <frame indices>" -> val; every other annotated drive -> train. val is
# the 697-frame Eigen et al. (NeurIPS 2014) test split restricted to frames with improved GT here: 652 left-camera.
EIGEN_TEST = """
2011_09_26_drive_0002 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 69
2011_09_26_drive_0009 16 32 48 64 80 96 112 128 144 160 176 196 212 228 244 260 276 292 308 324 340 356 372 388
2011_09_26_drive_0013 5 10 20 30 35 40 45 50 60 65 70 80 85 90 95 100 105 110 115 120 125 130 135
2011_09_26_drive_0020 6 9 12 15 18 21 27 33 36 42 45 48 51 54 57 60 63 66 69 72 75 78
2011_09_26_drive_0023 18 36 54 72 90 108 126 144 162 180 198 216 252 270 288 306 324 342 360 378 396 414 432 450 468
2011_09_26_drive_0027 7 14 21 28 35 42 49 56 63 70 77 84 91 98 112 119 126 133 140 147 161 168 175 182
2011_09_26_drive_0029 14 28 42 56 70 84 98 112 126 140 154 168 182 196 268 296 310 324 338 352 366 380 394 408
2011_09_26_drive_0036 32 64 96 128 160 192 224 256 288 320 352 384 416 448 480 512 544 576 608 640 672 704 768
2011_09_26_drive_0046 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115
2011_09_26_drive_0048 5 6 7 8 9 10 11 12 13 14 15 16
2011_09_26_drive_0052 6 8 10 12 14 16 18 20 22 26 28 30 32 36 38 40 42 44 46 48 50 52
2011_09_26_drive_0056 11 22 33 44 55 66 77 88 99 110 121 143 154 165 176 187 198 209 220 231 242 253 264 275 286
2011_09_26_drive_0059 14 28 42 56 70 84 98 112 126 140 154 182 196 210 224 238 274 288 302 316 330 344 358
2011_09_26_drive_0064 22 44 66 88 110 154 176 198 220 242 264 286 308 330 352 374 396 418 440 462 484 506 528 550
2011_09_26_drive_0084 49 62 75 88 101 114 127 140 153 179 192 205 218 231 244 257 270 283 296 309 322 335 348 361 374
2011_09_26_drive_0086 7 34 61 88 115 142 169 196 223 250 277 304 331 358 385 412 439 466 493 520 574 601 628 655 682
2011_09_26_drive_0093 16 32 48 64 80 96 112 128 144 160 176 192 208 224 240 256 305 321 337 353 369 385 401 417
2011_09_26_drive_0096 19 38 57 76 95 114 133 152 171 190 209 228 247 266 285 304 323 342 361 380 399 418 437 456
2011_09_26_drive_0101 80 114 148 182 216 284 318 352 386 420 454 488 522 556 590 624 658 692 726 760 794 828 862 896 930
2011_09_26_drive_0106 15 35 43 51 59 67 75 83 91 99 107 115 123 131 139 147 155 163 171 179 187 195 203 211 219
2011_09_26_drive_0117 26 52 78 104 130 156 182 208 234 260 286 312 338 364 390 416 442 468 494 546 572 598 624 650
2011_09_28_drive_0002 6 9 12 18 21 24 30 33 36 39 45 48 51 54 57 60 63 72 78 81 84 87 90
2011_09_29_drive_0071 36 72 108 144 180 216 252 288 324 360 396 432 468 504 540 576 612 735 771 807 879 915 951
2011_09_30_drive_0016 11 22 33 44 55 66 77 88 110 121 132 143 154 165 176 187 198 209 220 231 242 253 264
2011_09_30_drive_0018 107 214 428 535 642 749 856 963 1070 1177 1284 1391 1498 1605 1712 1819 1926 2033 2140 2247 2419 2526 2633 2740
2011_09_30_drive_0027 41 82 123 164 205 246 287 328 369 410 451 492 533 574 615 656 753 794 835 876 917 958 1040 1081
2011_10_03_drive_0027 181 362 543 734 915 1096 1277 1458 1639 1820 2001 2363 2544 2725 2906 3087 3268 3449 3630 3811 3992 4173 4354 4535
2011_10_03_drive_0047 32 64 96 128 160 192 224 288 320 352 384 416 448 480 512 544 576 608 640 672 704 736 768 800"""
EIGEN_TEST = {ln.split()[0]: {int(i) for i in ln.split()[1:]} for ln in EIGEN_TEST.strip().splitlines()}
# Annotated drives excluded from the release training set (raw data was unavailable at build time)
SKIP_DRIVES = {"2011_09_28_drive_0104", "2011_09_28_drive_0135", "2011_09_28_drive_0177", "2011_09_28_drive_0214"}
# Download the improved sparse GT (~14 GB) and the raw recordings it covers (~175 GB)
dir = Path(yaml["path"]) # dataset root dir
base = "https://s3.eu-central-1.amazonaws.com/avg-kitti"
download([f"{base}/data_depth_annotated.zip"], dir=dir / "source", delete=True, exist_ok=True)
gt_drives = sorted(p for p in (dir / "source" / "data_depth_annotated").glob("*/*_sync") if p.name[:-5] not in SKIP_DRIVES)
urls = [f"{base}/raw_data/{p.name[:-5]}/{p.name}.zip" for p in gt_drives]
download(urls, dir=dir / "source" / "raw", delete=True, exist_ok=True, threads=4)
# Convert: GT PNGs are uint16 meters*256; RGB frames come from the matching raw drive
for split in ("train", "val"):
(dir / "images" / split).mkdir(parents=True, exist_ok=True)
(dir / "depth" / split).mkdir(parents=True, exist_ok=True)
for gt in TQDM(gt_drives, desc="Converting"):
drive = gt.name[:-5] # 2011_09_26_drive_0002
split = "val" if drive in EIGEN_TEST else "train"
# val is the canonical Eigen test split: left camera only, and only its 652 listed frames
for cam in ("image_02",) if split == "val" else ("image_02", "image_03"):
for png in sorted((gt / "proj_depth" / "groundtruth" / cam).glob("*.png")):
if split == "val" and int(png.stem) not in EIGEN_TEST[drive]:
continue
name = f"{drive}_{cam[-2:]}_{png.stem}"
png.replace(dir / "depth" / split / f"{name}.png")
raw = dir / "source" / "raw" / drive[:10] / gt.name / cam / "data" / png.name
raw.replace(dir / "images" / split / f"{name}.png")
shutil.rmtree(dir / "source")Kullanım#
KITTI veri kümesinde bir YOLO26n-Depth modelini 100 epoch boyunca eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Kullanılabilir bağımsız değişkenlerin kapsamlı listesi için modelin Eğitim sayfasına bak.
from ultralytics import YOLO
# Önceden eğitilmiş bir derinlik modelini yükle
model = YOLO("yolo26n-depth.pt")
# Modeli KITTI üzerinde eğit
results = model.train(data="depth-kitti.yaml", epochs=100, imgsz=640)Önceden Eğitilmiş Modeller#
Önceden eğitilmiş YOLO26-Depth modelleri, adlarıyla ilk kez belirtildiklerinde Ultralytics v8.4.0 varlık sürümünden otomatik indirilir:
Atıflar ve Teşekkürler#
KITTI veri kümesini araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen aşağıdaki makalelere atıfta bulun:
@article{geiger2013vision,
title={Vision meets Robotics: The KITTI Dataset},
author={Geiger, Andreas and Lenz, Philip and Stiller, Christoph and Urtasun, Raquel},
journal={The International Journal of Robotics Research},
year={2013},
publisher={SAGE Publications}
}
@inproceedings{uhrig2017sparsity,
title={Sparsity Invariant CNNs},
author={Uhrig, Jonas and Schneider, Nick and Schneider, Lukas and Franke, Uwe and Brox, Thomas and Geiger, Andreas},
booktitle={International Conference on 3D Vision (3DV)},
year={2017}
}KITTI veri kümesini oluşturup sürdürdükleri için Karlsruhe Teknoloji Enstitüsü ve Chicago'daki Toyota Teknoloji Enstitüsüne, daha yoğun denetimi mümkün kılan derinlik yoğunlaştırma yöntemi için de Uhrig ve diğerlerine teşekkür ederiz.
Sık Sorulan Sorular#
KITTI, YOLO26-Depth ön eğitim karışımındaki gerçek dış mekân sürüş kaynağıdır ve KITTI Eigen değerlendirme kıyaslaması olarak da kullanılır. Velodyne LiDAR derinliği yaklaşık 80 m'ye ulaştığından, derinlik başlığı sabit bir iç mekân aralığıyla sınırlandırılmak yerine sınırsızdır.
Ultralytics yapılandırması, sol ve sağ kameralardan 55.198 eğitim görüntüsü kullanır; 28 KITTI Eigen test sürüşünün tamamını dışarıda bırakır ve iyileştirilmiş temel gerçek değerlere sahip 652 sol kamera Eigen test karesinde değerlendirme yapar. Derinlik PNG'leri metre başına 256 birim kullanır (
depth_scale: 256) ve YAML,max_depth: 80değerini ayarlar.Sonuçlar,
imgsz=768verect=Falsekullanan Ultralytics doğrulayıcısından gelir. Doğrulayıcı görüntüleri kare giriş boyutuna yeniden boyutlandırır, temel gerçek değerlerimax_depthdeğerlerine göre maskeler ve doğrulama kümesi genelinde ortalamasını almadan önce her görüntü için ölçek hizalaması yaparak metrikleri görüntü başına hesaplar. Referans KITTI değerlendiricileri farklı bir protokol kullanır; bu nedenle sayılar doğrudan karşılaştırılamaz.