KITTI Veri Kümesi

kitti veri seti, otonom sürüş ve bilgisayarlı görü için en etkili kıyaslama veri setlerinden biridir. Karlsruhe Teknoloji Enstitüsü ve Chicago'daki Toyota Teknoloji Enstitüsü tarafından yayınlanan bu veri seti, gerçek dünya sürüş senaryolarından toplanan stereo kamera, LiDAR ve GPS/IMU verilerini içerir.

İzle: Ultralytics YOLO11'i KITTI Veri Seti Üzerinde Nasıl Eğitirsiniz 🚀

Nesne algılama, derinlik tahmini, optik akış ve görsel odometri alanlarındaki algoritmaları değerlendirmek için yaygın olarak kullanılır. Veri seti, 2D nesne algılama görevleri için Ultralytics YOLO11 ile tamamen uyumludur ve eğitim ve değerlendirme için Ultralytics platformuna kolayca entegre edilebilir.

Veri Seti Yapısı

Uyarı

Kitti orijinal test seti, temel doğruluk açıklamaları içermediği için burada hariç tutulmuştur.

Toplamda, veri kümesi, her biri arabalar, yayalar, bisikletliler ve diğer yol unsurları gibi nesneler için ayrıntılı açıklamalarla eşleştirilmiş 7.481 görüntü içermektedir. Veri kümesi iki ana alt kümeye ayrılmıştır:

Eğitim seti: Model eğitimi için kullanılan, açıklama eklenmiş etiketlere sahip 5.985 resim içerir.
Doğrulama kümesi: Performans değerlendirmesi ve kıyaslama için kullanılan, ilgili açıklamaları içeren 1.496 görüntü içerir.

Uygulamalar

Kitti veri kümesi, otonom sürüş ve robotikteki gelişmeleri mümkün kılar ve şu gibi görevleri destekler:

Otonom araç algısı: Sürücüsüz sistemlerde güvenli navigasyon için araçları, yayaları ve engelleri detect ve track etmek üzere modellerin eğitilmesi.
3B sahne anlama: Makinelerin uzamsal ortamları anlamasına yardımcı olmak için derinlik tahmini, stereo görüş ve 3B nesne lokalizasyonunu destekleme.
Optik akış ve hareket tahmini: Dinamik ortamlarda nesnelerin hareketini tahmin etmek ve yörünge planlamasını iyileştirmek için hareket analizini etkinleştirme.
Bilgisayar görüşü kıyaslaması: Nesne tespiti ve izleme dahil olmak üzere birden fazla görüntü işleme görevinde performansı değerlendirmek için standart bir kıyaslama görevi görür.

Veri Seti YAML

Ultralytics, kitti veri seti yapılandırmasını bir YAML dosyası kullanarak tanımlar. Bu dosya, eğitim için gereken veri seti yollarını, sınıf etiketlerini ve meta verileri belirtir. Yapılandırma dosyası şu adreste mevcuttur: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml.

ultralytics/cfg/datasets/kitti.yaml

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

# KITTI dataset by Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago
# Documentation: https://docs.ultralytics.com/datasets/detect/kitti/
# Example usage: yolo train data=kitti.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── kitti ← downloads here (390.5 MB)

# 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: kitti # dataset root dir
train: images/train # train images (relative to 'path') 5985 images
val: images/val # val images (relative to 'path') 1496 images

names:
  0: car
  1: van
  2: truck
  3: pedestrian
  4: person_sitting
  5: cyclist
  6: tram
  7: misc

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

Kullanım

640 görüntü boyutuyla, kitti veri kümesi üzerinde bir YOLO11n modelini 100 epok için eğitmek için aşağıdaki komutları kullanın. Daha fazla ayrıntı için Eğitim sayfasına bakın.

Eğitim Örneği

PythonCLI

from ultralytics import YOLO

# Load a pretrained YOLO11 model
model = YOLO("yolo11n.pt")

# Train on kitti dataset
results = model.train(data="kitti.yaml", epochs=100, imgsz=640)

yolo detect train data=kitti.yaml model=yolo11n.pt epochs=100 imgsz=640

Aynı yapılandırma dosyasını kullanarak doğrudan komut satırından veya Python API'sinden değerlendirme, çıkarım ve dışa aktarma görevlerini de gerçekleştirebilirsiniz.

Örnek Görüntüler ve Açıklamalar

kitti veri seti, çeşitli sürüş senaryoları sağlar. Her görüntü, 2B nesne tespiti görevleri için sınırlayıcı kutu açıklamaları içerir. Örnek, veri setinin zengin çeşitliliğini sergileyerek, çeşitli gerçek dünya koşullarında sağlam model genellemesine olanak tanır.

Kitti örnek görüntü

Alıntılar ve Teşekkürler

Araştırmanızda kitti veri kümesini kullanıyorsanız, lütfen aşağıdaki makaleye atıfta bulunun:

Alıntı

BibTeX

@article{Geiger2013IJRR,
  author = {Andreas Geiger and Philip Lenz and Christoph Stiller and Raquel Urtasun},
  title = {Vision meets Robotics: The KITTI Dataset},
  journal = {International Journal of Robotics Research (IJRR)},
  year = {2013}
}

Bilgisayar görüşü, robotik ve otonom sistemlerdeki ilerlemeyi şekillendirmeye devam eden bu kapsamlı veri kümesini sağladığı için KITTI Vision Benchmark Suite'i takdir ediyoruz. Daha fazla bilgi için kitti web sitesini ziyaret edin.

SSS

kitti veri seti ne için kullanılır?

kitti veri seti, öncelikle otonom sürüşte bilgisayarlı görü araştırmaları için kullanılır ve nesne tespiti, derinlik tahmini, optik akış ve 3B konumlandırma gibi görevleri destekler.