Ultralytics YOLO27：
Get Started
No license

Depth8 数据集#

简介#

Ultralytics Depth8 数据集是一个小型单目深度估计数据集，包含从 SUN RGB-D 数据集中抽取的 8 张图像：4 张用于训练，4 张用于验证，分别来自 Kinect v1 和 Kinect v2 的采集数据（每个数据划分中每种传感器各两张），提供稠密且无伪影的深度真值。该数据集旨在快速测试、调试和试验 YOLO26 深度估计模型及训练流水线——1.3 MB 的压缩包会在首次使用时自动下载，因此 yolo depth train data=depth8.yaml 可在数秒内开始训练。

访问 Ultralytics Platform 上的 Depth8，预览 RGB-深度图像对，并克隆数据集用于训练。

注意

Depth8 仅用于流水线测试，不适用于基准测试——8 张图像远不足以得出有意义的深度指标。要获得具有代表性的结果，请使用完整的 NYU Depth V2 或 SUN RGB-D 验证集。

数据集结构#

Depth8 遵循标准的 Ultralytics 深度数据集布局：RGB 图像与配对的 uint16 毫米深度 PNG（depth_scale: 1000）按文件主名匹配。

depth8-png/
├── images/
│   ├── train/  # 4 images
│   └── val/    # 4 images
└── depth/
    ├── train/  # 4 16-bit PNG depth maps
    └── val/    # 4 16-bit PNG depth maps

深度值来自真实室内传感器采集，范围约为 0.5 m 至 4 m，完全处于完整 SUN RGB-D 数据集的 ≤10 m 范围内。

数据集 YAML#

Depth8 数据集配置在数据集 YAML 文件中定义，其中指定数据集路径、类别名称，以及小型打包子集的下载 URL。

ultralytics/cfg/datasets/depth8.yaml
# 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
# Format: https://docs.ultralytics.com/datasets/depth#depth-map-format
# uint16 PNG values are divided by depth_scale to produce meters. The default 1000 gives 65,535
# one-millimeter depth values from 0.001 to 65.535 m; code 0 is invalid.
# Common values (resolution, uint16 maximum):
# ARKitScenes and NYU Depth V2: 1000 (1 mm, 65.535 m)
# KITTI: 256 (3.90625 mm, 255.996 m); Virtual KITTI 2: 100 (1 cm, 655.35 m)
# Example usage: yolo depth train data=depth8.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── depth8-png ← downloads here (1.3 MB)
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired 16-bit *.png depth maps (images/ -> depth/)

path: depth8-png # 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
depth_scale: 1000 # PNG value 1000 = 1 meter

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

用法#

要使用图像尺寸 640 在 Depth8 数据集上训练 YOLO26n-depth 模型，请参考以下示例。完整的训练选项列表请参阅 YOLO 训练文档。

训练示例
from ultralytics import YOLO

# 加载预训练的 YOLO26n-depth 模型
model = YOLO("yolo26n-depth.pt")

# 在 Depth8 上训练模型
results = model.train(data="depth8.yaml", epochs=100, imgsz=640)

引用与致谢#

Depth8 抽样自 SUN RGB-D——有关来源归属和引用详情，请参阅完整的 SUN RGB-D 数据集页面。源数据集未指定许可。

如果你在研究或开发工作中使用 SUN RGB-D 数据集，请引用以下论文：

引用格式
@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}
}

常见问题#

  • Ultralytics Depth8 数据集旨在快速测试和调试单目深度估计流水线。它只有 8 张图像（训练 4 张，验证 4 张），打包成 1.3 MB 的自动下载压缩包，可在数秒内验证完整的训练 / 验证 / 预测流程——包括配对深度图加载、数据增强、损失计算和指标计算——然后再扩展到 SUN RGB-D 或 NYU Depth V2 等完整数据集。

  • Depth8 从 SUN RGB-D 的 9,245 张训练图像和 1,090 张验证图像中抽取 8 张，优先选择深度图干净且稠密的 Kinect v1/v2 采集数据。Depth8 使用相同的 16 位 PNG 深度格式，因此在 Depth8 上运行的流水线无需修改即可用于完整数据集。与完整数据集不同，Depth8 只需数秒即可下载，且无需转换步骤。

  • 不适合。Depth8 的规模太小，无法用于有意义的模型比较，其用途是检查训练和评估流水线。需要具有代表性的深度估计指标时，请使用完整的 NYU Depth V2 或 SUN RGB-D 验证集。

贡献者
GLglenn-jocher5PDpderrenger1BOBovey08091

评论