Make3D Derinlik Veri Kümesi#

Make3D, tek gözlü derinlik tahmini için klasik bir dış mekân kıyaslama veri kümesidir. Özel bir 3D lazer tarayıcıyla elde edilen derinlik temel gerçek değerleriyle eşleştirilmiş kampüs sahnelerinin görüntülerini içerir ve dağılım dışı genellemeyi incelemek için yaygın olarak kullanılır.

Temel Özellikler#

• Derinlik temel gerçek değerleri, özel bir 3D lazer tarayıcıyla elde edilmiştir.
• Gerçek dış mekân kampüs sahnelerini kapsar.
• Derinlik aralığı yaklaşık 70 m'ye kadar çıkar.
• Değerlendirme, 134 görüntüden oluşan standart test kümesinde yapılır.
• Klasik bir dağılım dışı genelleme kıyaslamasıdır.

YOLO26-Depth'teki rolü#

Make3D, YOLO26-Depth ailesi için sıfır örnekli değerlendirme kıyaslamasıdır; yayımlanan modeller bu veri kümesinde eğitilmemiştir. Dağılım dışı bir dış mekân kümesi olduğundan tüm modeller için en zor kıyaslamadır ve bu veri kümesinde mutlak delta1 değerlerinin genel olarak düşük olması beklenir.

Ölçütler hesaplanmadan önce çok ölçekli ve yatay çevirme test zamanı artırımı (TTA) uygulanır, ardından tahmin edilen ve referans derinlik haritaları arasında log-en küçük kareler ölçek hizalaması yapılır.

Sonuçlar#

Aşağıdaki tabloda, Make3D test kümesinde model boyutuna göre delta1 doğruluğu (1,25× eşiği içindeki piksellerin oranı; yüksek değer daha iyidir) raporlanmaktadır.

Değerlendirme#

Make3D, beraberinde bir veri kümesi YAML dosyasıyla sunulmaz. Görüntüleri ve lazer tarayıcıyla elde edilen derinlik temel gerçek değerlerini yükleyen, standart TTA ile log-en küçük kareler ölçek hizalamasını uygulayan ve derinlik metriklerini raporlayan özel bir değerlendirme betiğiyle değerlendirilir.

Kullanım#

Make3D harici bir kıyaslama veri kümesidir; bu nedenle modeller genellikle görüntülerinde predict ile çalıştırılır. Kullanılabilir bağımsız değişkenlerin kapsamlı listesi için modelin Tahmin sayfasına bak.

from ultralytics import YOLO

# Bir model yükle
model = YOLO("yolo26x-depth.pt")  # önceden eğitilmiş bir derinlik modeli yükle

# Make3D görüntülerinde derinlik tahmini yap
results = model.predict("path/to/make3d/images")

Önceden Eğitilmiş Modeller#

YOLO26 derinlik ailesi, Make3D kıyaslamasında sıfır örnekli olarak değerlendirilir. Bu modeller ilk kullanımda Ultralytics'in v8.4.0 varlık sürümünden otomatik indirilir; örneğin YOLO26x-depth. Farklı doğruluk ve kaynak gereksinimlerine uygun çeşitli boyutlarda sunulur (yolo26n/s/m/l/x-depth).

Atıflar ve Teşekkürler#

Make3D veri kümesini araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen aşağıdaki makaleye atıfta bulun:

@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}
}

Bilgisayarlı görü topluluğu için bu değerli kaynağı oluşturup sürdüren yazarlara teşekkür ederiz.

Sık Sorulan Sorular#