Tập dữ liệu Depth8#

Giới thiệu#

Dataset Ultralytics Depth8 là một dataset ước lượng chiều sâu đơn mắt gọn nhẹ với 8 ảnh được lấy mẫu từ dataset SUN RGB-D: 4 ảnh huấn luyện và 4 ảnh xác thực, được lấy từ các bản chụp Kinect v1 và Kinect v2 (hai ảnh cho mỗi cảm biến trong mỗi tập chia tách) để có các bản đồ chiều sâu ground-truth dày đặc, không có artifact. Nó được thiết kế để thử nghiệm, gỡ lỗi và thử nghiệm nhanh chóng với các model ước lượng chiều sâu YOLO26 cùng các pipeline huấn luyện — tệp lưu trữ 1.3 MB tự động tải xuống ở lần sử dụng đầu tiên, do đó yolo depth train data=depth8.yaml bắt đầu quá trình huấn luyện trong vài giây.

Cấu trúc tập dữ liệu#

Depth8 tuân theo bố cục dataset chiều sâu Ultralytics tiêu chuẩn: Các ảnh RGB đi kèm với các bản đồ chiều sâu float32 .npy theo tính bằng mét, được khớp theo phần gốc tên tệp (file stem).

depth8/
├── images/
│   ├── train/  # 4 images
│   └── val/    # 4 images
└── depth/
    ├── train/  # 4 float32 .npy depth maps
    └── val/    # 4 float32 .npy depth maps

Các giá trị độ sâu là dữ liệu thu thập từ cảm biến trong nhà thực tế, dao động từ khoảng 0.5 m đến 4 m, nằm gọn trong phạm vi ≤10 m của tập dữ liệu SUN RGB-D đầy đủ.

YAML tập dữ liệu#

Cấu hình tập dữ liệu Depth8 được định nghĩa trong một tệp YAML, trong đó chỉ định các đường dẫn tập dữ liệu, tên lớp và URL tải xuống cho tập con đã đóng gói nhỏ gọn.

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

# Depth8 dataset (8 clean-label indoor images from SUN RGB-D Kinect v1/v2, 4 train / 4 val) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/depth/depth8
# Example usage: yolo depth train data=depth8.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── depth8 ← downloads here (1.3 MB)
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired *.npy, float32 meters (images/ -> depth/)

path: depth8 # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images

nc: 1
names:
  0: depth

channels: 3

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/depth8.zip

Cách sử dụng#

Để huấn luyện model YOLO26n-depth trên dataset Depth8 với kích thước ảnh là 640, hãy sử dụng các ví dụ sau. Để xem danh sách đầy đủ các tùy chọn huấn luyện, hãy tham khảo tài liệu Huấn luyện YOLO.

from ultralytics import YOLO

# Load a pretrained YOLO26n-depth model
model = YOLO("yolo26n-depth.pt")

# Train the model on Depth8
results = model.train(data="depth8.yaml", epochs=100, imgsz=640)

Trích dẫn và Ghi nhận#

Depth8 được lấy mẫu từ SUN RGB-D — hãy xem trang dataset SUN RGB-D đầy đủ để biết chi tiết về giấy phép.

Nếu bạn sử dụng tập dữ liệu SUN RGB-D trong nghiên cứu hoặc công việc phát triển của mình, vui lòng trích dẫn bài báo sau đây:

@inproceedings{song2015sunrgbd,
      title={SUN RGB-D: A RGB-D Scene Understanding Benchmark Suite},
      author={Song, Shuran and Lichtenberg, Samuel P. and Xiao, Jianxiong},
      booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
      year={2015}
}

Câu hỏi thường gặp#