Dataset KITTI
Dataset KITTI của Ultralytics là dataset phát hiện đối tượng 2D dành cho lái xe tự hành, gồm 7.481 hình ảnh có annotation (5.985 hình ảnh huấn luyện và 1.496 hình ảnh validation) thuộc 8 lớp — ô tô, xe tải van, xe tải, người đi bộ, người đang ngồi, người đi xe đạp, xe điện và đối tượng khác. Được phát hành bởi Viện Công nghệ Karlsruhe và Viện Công nghệ Toyota tại Chicago, các hình ảnh trong dataset đến từ những cảnh lái xe thực tế ở đô thị, nông thôn và đường cao tốc.
Xem: Cách huấn luyện Ultralytics YOLO trên dataset KITTI | Phát hiện đối tượng, inference và xuất ONNX 🚀
Bộ KITTI Vision Benchmark Suite rộng hơn cũng bao gồm ước tính độ sâu, luồng quang học, thị giác lập thể và định vị bằng hình ảnh, nhưng cấu hình kitti.yaml của Ultralytics ở đây được thiết lập để phát hiện đối tượng 2D bằng Ultralytics YOLO26.
Cấu trúc dataset#
Tập test KITTI gốc không được đưa vào đây vì tập này không có chú thích ground truth công khai.
Dataset chứa 7,481 ảnh được gán nhãn, bao gồm các đối tượng như ô tô, người đi bộ và người đi xe đạp, được chia thành hai tập con định sẵn theo cấu hình kitti.yaml:
| Tập dữ liệu | Hình ảnh | Mô tả |
|---|---|---|
| Huấn luyện | 5,985 | Ảnh được gán nhãn để training model |
| Validation | 1,496 | Ảnh tách biệt để đánh giá và benchmark |
Các class đối tượng#
Tệp kitti.yaml định nghĩa 8 class đối tượng thuộc các nhóm phương tiện, con người và những người tham gia giao thông khác thường thấy trong cảnh lái xe:
- ô tô
- xe van
- xe tải
- người đi bộ
- người_ngồi
- người đi xe đạp
- xe điện
- khác
Ứng dụng#
Bộ dữ liệu KITTI hỗ trợ nhiều ứng dụng phát hiện 2D trong lĩnh vực xe tự hành và robot:
- Nhận thức của xe tự hành: Huấn luyện model phát hiện và theo dõi ô tô, người đi bộ và người đi xe đạp để hệ thống tự lái có thể di chuyển an toàn.
- Phát triển ADAS: Xây dựng các tính năng hỗ trợ lái xe như cảnh báo va chạm và phát hiện người đi bộ trên dữ liệu thực tế khi lái xe.
- Phân tích giao thông và cảnh đường phố: Phát hiện và đếm phương tiện cùng người tham gia giao thông để nghiên cứu lưu lượng giao thông và an toàn đường bộ.
- Benchmark thị giác máy tính: Sử dụng KITTI làm benchmark tiêu chuẩn để đánh giá các model phát hiện đối tượng 2D và tracking.
Để gán nhãn hình ảnh lái xe của riêng bạn, huấn luyện và quản lý các phiên bản dataset trên trình duyệt, hãy chạy toàn bộ quy trình bằng Ultralytics Platform.
YAML của dataset#
Ultralytics xác định cấu hình dataset KITTI bằng tệp YAML. Tệp này chỉ định các đường dẫn dataset, nhãn lớp và metadata cần thiết cho quá trình huấn luyện. Tệp cấu hình có tại https://github.com/ultralytics/ultralytics/blob/main/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.zipCách sử dụng#
Để huấn luyện model YOLO26n trên dataset KITTI trong 100 epoch với kích thước ảnh 640, hãy dùng các lệnh sau. Dataset (390.5 MB) sẽ tự động tải xuống khi sử dụng lần đầu.
from ultralytics import YOLO
# Tải model YOLO26 đã pretrained
model = YOLO("yolo26n.pt")
# Huấn luyện trên dataset kitti
results = model.train(data="kitti.yaml", epochs=100, imgsz=640)Bạn cũng có thể thực hiện các tác vụ đánh giá, suy luận và xuất trực tiếp từ dòng lệnh hoặc Python API bằng cùng tệp cấu hình.
Hình ảnh mẫu và annotation#
Ví dụ bên dưới cho thấy một cảnh giao thông trong dataset cùng các chú thích hộp giới hạn 2D. Hình ảnh KITTI bao gồm cảnh đô thị, nông thôn và đường cao tốc được ghi lại trong điều kiện giao thông thực tế, cung cấp cho model nhiều kích thước đối tượng, góc nhìn và điều kiện chiếu sáng đa dạng.
Trích dẫn và lời cảm ơn#
Nếu sử dụng dataset KITTI trong nghiên cứu, vui lòng trích dẫn bài báo sau:
@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}
}Chúng tôi ghi nhận sự đóng góp của KITTI Vision Benchmark Suite trong việc cung cấp dataset toàn diện này, vốn tiếp tục thúc đẩy tiến bộ trong thị giác máy tính, robot và các hệ thống tự hành. Truy cập trang web KITTI để biết thêm thông tin.
Câu hỏi thường gặp#
Dataset KITTI của Ultralytics được dùng để huấn luyện và đánh giá các model phát hiện đối tượng 2D cho xe tự hành. Dataset cung cấp 7,481 ảnh được gán nhãn thuộc 8 lớp, bao gồm ô tô, người đi bộ và người đi xe đạp, đồng thời được sử dụng rộng rãi để đánh giá chuẩn các model nhận thức.
Cấu hình KITTI của Ultralytics bao gồm 7,481 ảnh — 5,985 ảnh huấn luyện và 1,496 ảnh validation — không có tập test riêng. Mỗi ảnh được gán nhãn thuộc 8 lớp: car, van, truck, pedestrian, person_sitting, cyclist, tram và misc.
Không. Cấu hình KITTI của Ultralytics chỉ cung cấp các tập train (5,985 ảnh) và validation (1,496 ảnh). Tập test KITTI gốc không được đưa vào vì không có nhãn ground truth công khai.
Dataset (390.5 MB) sẽ tự động tải xuống trong lần đầu tiên bạn huấn luyện bằng
data="kitti.yaml"— không cần thao tác thủ công. Ultralytics tải ảnh và nhãn, sau đó giải nén vào thư mục dataset cục bộ của bạn. Bạn có thể xem các dataset liên quan trong tổng quan về dataset phát hiện.Có. KITTI tương thích sẵn với Ultralytics YOLO26. Bạn có thể trực tiếp huấn luyện và validation các model bằng tệp cấu hình YAML đi kèm.
Bạn có thể truy cập tệp
kitti.yamltại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/kitti.yaml. Tệp này định nghĩa các đường dẫn dataset và 8 tên lớp được sử dụng trong quá trình huấn luyện.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.



