KITTI Derinlik Veri Kümesi#
KITTI veri seti, Karlsruhe şehri içinde ve çevresinde hareketli bir araçtan kaydedilen gerçek dünya dış mekan autonomous-driving kıyaslamasıdır. Monoküler depth estimation için gerçek değer (ground-truth) derinliği, bir Velodyne HDL-64 LiDAR tarayıcısından elde edilir ve Uhrig et al. 2017 yöntemi kullanılarak yoğunlaştırılır. Elde edilen derinlik haritaları, piksellerin kabaca %16–20'si geçerli bir derinlik değerine sahip olacak şekilde seyrek kalmaya devam eder. KITTI, YOLO26-Depth ön eğitim karmasındaki tek gerçek dış mekan uzun menzilli kaynağıdır ve aynı zamanda KITTI Eigen değerlendirme kıyaslaması olarak hizmet eder.
Temel Özellikler#
- Yaklaşık 80 metreye kadar uzanan derinliklere sahip, tipik iç mekan menzilinin çok ötesindeki gerçek dış mekan sürüş sahneleri.
- Bir Velodyne HDL-64 LiDAR'dan elde edilen ve Uhrig ve ark. 2017'nin Sparsity Invariant CNNs yaklaşımıyla yoğunlaştırılan derinlik gerçek değeri (ground truth).
- Seyrek denetim: görüntü başına piksellerin yalnızca yaklaşık %16-20'si geçerli bir derinlik değerine sahiptir; geçersiz pikseller kayıp ve metriklerden maskelenerek çıkarılır.
- Stereo görüntü çiftleri (sol
image_02ve sağimage_03), eğitim için ek bakış açıları sağlar. - Derinlik değerleri, Ultralytics depth dataset format standardını takip ederek metre cinsinden
.npyfloat32 dizileri olarak depolanır.
Veri Kümesi Yapısı#
Ultralytics tarafından kullanılan KITTI derinlik verileri iki alt kümeye ayrılmıştır:
- Eğitim ayrımı: 55.198 görsel (sol
image_02ve sağimage_03). Değerlendirmeyi adil tutmak için 28 KITTI Eigen test sürüşünün tümü eğitimden hariç tutulmuştur. - Değerlendirme ayrımı: KITTI Eigen test ayrımı — gelişmiş yer simgesine sahip 652 sol kamera karesi. Değerlendirme, tahminler ile yer simgesi arasında 80 m derinlik sınırı ve medyan (yalnızca ölçek) hizalaması kullanır.
Derinlik aralığı yaklaşık 80 m'ye ulaşır ve veri seti YAML dosyası (depth-kitti.yaml) max_depth: 80 değerini buna göre ayarlar.
YOLO26-Depth'teki Rolü#
KITTI, YOLO26-Depth ön eğitim karışımındaki tek gerçek dış mekan, uzun menzilli denetimi sağlar ve ağırlıklı olarak iç mekan kaynaklarını tamamlar. Ayrıca, sürüş sahnesi derinlik doğruluğunu raporlamak için standart KITTI Eigen benchmark'ıdır.
KITTI, derinlik başlığının neden sınırsız (log modu) olduğunun önemli bir örneğidir: sabit 10 m çıkış üst sınırı 80 m sürüş sahnelerini temsil edemez. Başlık çıkış aralığı ve max_depth işleme hakkında ayrıntılar için depth task page sayfasına bakın.
Sonuçlar#
Model boyutuna göre KITTI Eigen delta1 doğruluğu (daha yüksek olması 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 |
imgsz=768 ve rect=False ile 652 karelik kanonik ayrımda ölçülmüştür. Bunlar, yayınlanan KITTI sayılarıyla doğrudan karşılaştırılamaz: doğrulama seti her görseli imgsz boyutunda bir kareye dönüştürür ve seyrek yer simgesini buraya en yakın komşu yöntemiyle yeniden örnekler; oysa referans değerlendiriciler tahmini yerel yer simgesi çözünürlüğüne geri boyutlandırır; DepthMetrics, gelişmiş yer simgesi protokolünün gt > 0 maskeleyip yalnızca tahmini sınırlandırdığı durumun aksine, yer simgesini max_depth ile maskeler; görsel başına metriğin ortalamasını almak yerine ayrımın her geçerli pikselini havuzlar; ve yayınlanan ağırlıklar, bu test karelerinden 72'sini eğitim setine dahil eden önceki ayrım ile eğitilmiştir.
Veri Kümesi YAML#
Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Dosya; veri kümesi yolları, sınıflar ve maksimum derinlik gibi diğer ilgili bilgiler hakkında veriler içerir.
# 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 *.npy, float32 meters (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
# Download script/URL (optional)
download: |
import shutil
from pathlib import Path
import cv2
import numpy as np
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}"
depth = cv2.imread(str(png), cv2.IMREAD_ANYDEPTH).astype(np.float32) / 256.0
np.save(dir / "depth" / split / f"{name}.npy", depth)
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 seti üzerinde 100 epochs boyunca bir YOLO26n-Depth modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için model Training sayfasına başvurun.
from ultralytics import YOLO
# Load a pretrained depth model
model = YOLO("yolo26n-depth.pt")
# Train the model on KITTI
results = model.train(data="depth-kitti.yaml", epochs=100, imgsz=640)Önceden Eğitilmiş Modeller#
Önceden eğitilmiş YOLO26-Depth modelleri, ilk kez ada göre referans verildiğinde Ultralytics v8.4.0 assets release sürümünden otomatik olarak indirilir:
Alıntılar ve Teşekkür#
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 oluşturdukları ve sürdürdükleri için Karlsruhe Teknoloji Enstitüsü ve Chicago'daki Toyota Teknolojik Enstitüsü'ne ve yoğun denetimi mümkün kılan derinlik yoğunlaştırma yöntemi için Uhrig ve ark.'na teşekkür ederiz.