ImageNet（伪标注）深度数据集#

ImageNet（伪标注深度）数据集复用了 1,281,167 张 ImageNet-1K 训练图像，这些图像没有深度真值；数据集为每张图像配上由 Depth Anything 3 教师模型生成的伪深度图，并结合其单目和度量检查点。该数据集仅用于知识蒸馏，以及利用 ImageNet 提供的场景和物体多样性。在约 2.19M 张图像的 YOLO26-Depth 预训练混合数据中，它是最大的单一数据源（约占 58%），对于提升室内跨域泛化能力至关重要。

主要功能#

• 1,281,167 张 ImageNet-1K 训练图像，涵盖范围广泛的物体、场景和上下文。
• 没有深度真值：每个深度目标都是由 Depth Anything 3 教师模型配对生成的伪标签（DA3MONO-LARGE 用于场景结构，DA3METRIC-LARGE 用于度量尺度）。
• 仅用于知识蒸馏和场景/物体多样性，不用作基准。
• 它是约 ~2.19M 张图像的预训练混合数据中最大的单一数据源（约 ~58%），对于提升室内跨域泛化能力至关重要。
• 没有验证集划分——验证仅使用具有真实真值的数据集。

数据集结构#

伪标注 ImageNet 数据源由 ImageNet-1K 训练图像组成，每张图像配有一张机器生成的深度图：

1. 训练图像：1,281,167 张 ImageNet-1K 训练图像，是约 ~2.19M 张图像的 YOLO26-Depth 预训练混合数据中最大的单一组成部分（约 ~58%）。
2. 验证集：无。该数据源没有验证集划分；YOLO26-Depth 验证仅使用 NYU Depth V2 和 KITTI Eigen 等真实真值数据集。

伪标签的生成方式#

由于 ImageNet 不提供深度标注，深度目标是通过离线生成而非测量获得的。这里结合了两个 Depth Anything 3 检查点，一个用于场景结构，另一个用于绝对尺度：

1. 每张 ImageNet 训练图像都会输入 depth-anything/DA3MONO-LARGE，该检查点会预测一张细节丰富的深度图，但图中的深度仅在未知的逐图尺度和平移下有定义；图像也会输入 depth-anything/DA3METRIC-LARGE，其输出较为粗略，但采用真实单位。
2. 通过逐图鲁棒仿射拟合，将单目预测映射到度量预测 label = a * mono + b。因此，所有逐像素细节都来自单目检查点，而度量检查点只负责确定两个标量，将深度图映射到米制坐标轴上。整个过程不涉及相机内参，因此无需相机标定的图像也可以进行标注。
3. 结果会按照 Ultralytics 深度数据集格式保存为 16 位毫米 PNG，并使用文件名主干与源图像配对。
4. 随后，伪标注图像对会作为一个组成部分加入更大的训练混合数据中；学生 YOLO26-Depth 模型一边学习匹配教师模型的输出，一边使用真实真值数据源进行训练。

由于尺度来自预测而非测量，每张深度图都可能存在全局尺度误差。YOLO26-Depth 使用尺度不变对数（SILog）损失和梯度匹配进行训练，并通过中值对齐进行验证，因此伪标签中的逐图尺度偏差大多可以被抵消。

该伪标注数据源是用于预训练已发布 YOLO26-Depth 权重的内部混合训练配置的一部分，不作为独立下载内容分发。

在 YOLO26-Depth 中的作用#

该数据源为 YOLO26-Depth 预训练提供了大部分数据，以及最多样化的场景和物体。通过在超过一百万张图像上蒸馏强大的 Depth Anything 3 教师模型，它将广泛的场景先验知识迁移给学生模型。实践证明，加入该数据源对于提升室内跨域泛化能力至关重要，可帮助模型在真实真值训练分布之外的室内场景中取得良好表现。

用法#

伪标注 ImageNet 数据不会单独用于训练，而是作为一个组成部分加入组合深度混合数据中；该混合数据由内部/实验用 YAML 定义，而不是通过公开数据集下载提供。从概念上讲，使用此类混合数据进行训练如下所示：

from ultralytics import YOLO

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

# 使用组合深度混合数据训练（你自己的多数据源数据集 YAML）
results = model.train(data="depth-mix.yaml", epochs=100, imgsz=640)

预训练模型#

首次通过名称引用预训练 YOLO26-Depth 模型时，会从 Ultralytics v8.4.0 资源发布页自动下载：

• YOLO26n-Depth
• YOLO26s-Depth
• YOLO26m-Depth
• YOLO26l-Depth
• YOLO26x-Depth

引用与致谢#

如果你在研究或开发工作中使用 ImageNet 数据集，请引用以下论文：

@inproceedings{deng2009imagenet,
      title={ImageNet: A Large-Scale Hierarchical Image Database},
      author={Deng, Jia and Dong, Wei and Socher, Richard and Li, Li-Jia and Li, Kai and Fei-Fei, Li},
      booktitle={2009 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
      year={2009},
      organization={IEEE}
}

@article{depthanything3,
      title={Depth Anything 3: Recovering the visual space from any views},
      author={Lin, Haotong and Chen, Sili and Liew, Jun Hao and Chen, Donny Y. and Li, Zhenyu and Shi, Guang and Feng, Jiashi and Kang, Bingyi},
      journal={arXiv preprint arXiv:2511.10647},
      year={2025}
}

我们感谢 ImageNet 团队创建并维护该数据集，也感谢 Depth Anything 3 的作者提供用于生成伪深度标签的教师模型。

常见问题#