Link to this section单目深度估计#

单目深度估计从单张 RGB 图像预测逐像素深度图。每个输出像素包含一个以米为单位的深度值，表示从相机到该表面点的估计距离。

深度模型的输出是一个与输入图像对齐的形状为 (H, W) 的稠密浮点图。这种逐像素表示使得单目深度估计非常适合用于 3D 场景重建、机器人导航、AR/VR 内容创作以及任何需要从单相机获取空间布局的应用。

Link to this section模型#

下表显示了在广泛的多数据集混合（室内 + 室外，约 219 万张图像）上预训练的 YOLO26 深度模型。指标列是在 NYU Depth V2 Eigen 测试集上报告的。

模型在首次使用时会自动从最新的 Ultralytics 发布版本下载。

• delta1^NYU 是在 NYU Depth V2 Eigen 测试集（654 张图像）上，使用多尺度 + 水平翻转 TTA 和对数最小二乘对齐后，预测深度与真实值误差在 1.25 倍以内的像素百分比。
• 不使用 TTA 的单尺度精度可通过 yolo depth val model=yolo26n-depth.pt data=nyu-depth.yaml imgsz=768 device=0（针对每种尺寸替换 model=）进行重现，该方法使用中位数（仅缩放）对齐，得分较低：delta1 0.785 (n), 0.786 (s), 0.827 (m), 0.839 (l), 0.843 (x)。
• abs_rel 是预测深度值与真实深度值之间的平均绝对相对误差。
• rmse 是以米为单位的均方根误差。
• params 和 FLOPs 是在 768×768 分辨率（发布权重时的训练分辨率）下测量的。

Link to this section深度范围和对数深度头 (log-depth head)#

深度头预测 exp(logit) —— 无界 (约 0.02–150 米) —— 并将场景形状与绝对尺度解耦：网络预测相对对数深度场，绝对米数由评估时恢复、轻量级校准或微调时的独立双参数变换 (exp(a·log d + b)) 设置。常见的替代方案，即有界的 sigmoid × max_depth 头，会在架构中强制设置固定上限，因此任何超过 max_depth 的深度都会被截断，这阻碍了对长距离场景的训练和预测。

Link to this section为什么深度头需要无界：跨深度范围的证据#

受控 A/B 测试 — 相同数据、相同计划，仅深度头不同。 在完全相同的室内 (≤10 米) 和室外 (≤80 米) 数据混合上从头开始训练两个深度头：

有界头无法表示超过 10 米的大部分室外像素，因此几乎立即停止改进；而 log 头能从全范围中学习。

它修复的故障模式 — 单数据集微调，按范围分层。 在单个数据集上微调有界 (10 米) 头时，当数据符合上限时有效，超出上限时则会崩溃：

崩溃准确发生在上限边界处。log 头没有这种边界。

已发布模型 — 跨范围性能。 发布的 log-head 系列模型，在跨越 10 米 (NYU, iBims-1) 到 80 米 (KITTI) 的基准测试上进行了评估，使用尺度对齐的 δ1 指标：

最大的收益体现在更长范围的室外基准测试（KITTI, ETH3D）中——这正是 10 米固定上限影响最大的地方——同时保持了室内性能。

Link to this section训练#

在 Depth8 数据集上以 640 图像尺寸训练 YOLO26n-depth 模型 100 个 epoch。有关可用参数的完整列表，请参阅 Configuration 页面。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-depth.yaml")  # build a new model from YAML
model = YOLO("yolo26n-depth.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolo26n-depth.yaml").load("yolo26n-depth.pt")  # build from YAML and transfer weights

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

查看关于 train 模式的完整详细信息，请访问 Train 页面。

Link to this section在你的自定义数据上进行微调#

将预训练深度模型适配到自定义数据集时，请降低学习率并使用 AdamW 优化器。默认优化器设置是针对从头开始训练（使用 lr0=0.01 的 SGD）调整的；应用于已收敛的深度模型时，它们可能会覆盖预训练知识并导致结果下降——特别是在单个领域上微调时。

from ultralytics import YOLO

model = YOLO("yolo26s-depth.pt")  # start from pretrained weights

model.train(
    data="path/to/your_dataset.yaml",
    epochs=20,
    imgsz=640,
    optimizer="AdamW",
    lr0=1e-4,  # ~100x below the from-scratch default
    warmup_bias_lr=1e-4,  # keep warmup gentle too
)

额外建议：

• 数据增强由标准参数控制 (degrees, translate, scale, shear, perspective, flipud, fliplr, hsv_h, hsv_s, hsv_v)；几何变换和翻转同样应用于配对的深度图。要查看发布 YOLO26-Depth 权重所使用的确切方案，请检查存储在检查点中的 train_args——参阅 Inspecting YOLO26 Checkpoint Training Args。
• mosaic, mixup, cutmix 和 copy_paste 未针对深度估计实现。 深度数据集加载器会自动将这些概率设置为 0，因此传递它们不会产生任何影响。不支持这些增强方式是因为它们结合了多个图像，这会产生无效的配对深度图。
• 任何深度范围都可以直接使用。 log-head 模型预测无界深度，因此无需更改即可适应短距离（微距）或长距离（室外/驾驶）数据。在数据集 YAML 中设置 max_depth:（以米为单位）可限制哪些 GT 像素计入验证指标。
• 保持通用性能。 如果你需要模型在训练集之外的场景中保持准确，请在训练数据中混入一小部分（约 5–10%）多样化的通用图像；这能显著减少微调过程中的遗忘。
• 仅当你的领域非常不同且拥有大数据集时，才从头开始训练 (model=yolo26s-depth.yaml) —— 此时默认的 SGD lr0=0.01 是合适的，因为没有预训练权重需要保留。

Link to this section校准深度尺度#

深度头将形状（相对场景结构）与尺度（绝对米数）分离开来。如果模型在你的场景中已经产生了良好的相对深度，但绝对值对于你的相机不准确，你可以通过 model.calibrate() 在几秒钟内校准尺度——这是针对一小部分标注集进行的双参数对数仿射拟合，无需梯度训练，也无需更改网络权重，因此不会破坏相对结构。

from ultralytics import YOLO

model = YOLO("yolo26s-depth.pt")

# Fit scale on a labeled split (~100+ images is enough), then persist it
model.calibrate(data="path/to/your_dataset.yaml")
model.save("yolo26s-depth-calibrated.pt")

校准需要真实深度来进行拟合，因此它是在标注集上运行的——这不能在盲推理中完成。当相对深度已经很好，仅尺度/范围错误时使用它；如果你的领域需要更改相对结构本身，请改用 微调。

训练会自动为你完成此操作：在 model.train(...) 完成后，最佳和最后检查点会在验证集上进行校准，以便它们开箱即用输出具有度量标尺的深度。

已发布的 yolo26*-depth.pt 检查点已经内置了此校准，是基于预训练验证混合集拟合的。这是一个跨所有领域的单一全局尺度，因此为了在特定相机或场景类型上获得最准确的绝对深度，请在你自己的小规模标注集上运行 model.calibrate()——它会替换内置的拟合参数。

Link to this section数据集格式#

深度估计数据集将每个 RGB 图像与相应的深度文件配对。深度目标存储为包含以米为单位的 float32 值的 .npy 数组。数据集 YAML 指向一个 images/ 目录；加载器通过将 images 部分替换为 depth 并将图像扩展名替换为 .npy 来派生深度文件路径。

dataset/
├── images/
│   ├── train/
│   └── val/
└── depth/
    ├── train/
    └── val/

例如，位于 images/train/scene_001.jpg 的图像与位于 depth/train/scene_001.npy 的深度图配对。请参阅 Depth Estimation Dataset Guide 获取完整格式规范。

Link to this section验证#

在深度估计数据集上验证已训练 YOLO26n-depth 模型的 accuracy。请显式传递 data，以便验证使用预期的数据集 YAML。发布的权重是在 imgsz=768 下训练的，因此请在该尺寸下进行验证和预测以获得最佳精度。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-depth.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val(data="nyu-depth.yaml")
metrics.delta1  # percentage of pixels within threshold δ=1.25
metrics.abs_rel  # mean absolute relative error
metrics.rmse  # root mean squared error (meters)
metrics.silog  # scale-invariant logarithmic error

Link to this section预测#

使用已训练的 YOLO26n-depth 模型对图像进行预测。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-depth.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image

# Access the results
for result in results:
    depth_map = result.depth.data.cpu().numpy()  # torch.Tensor -> NumPy float32, shape (H, W), meters

See full predict mode details in the Predict page.

Link to this section结果输出#

YOLO 深度估计为每张图像返回一个 Results 对象。每个结果存储一张完整的稠密浮点深度图。

关于各项任务中特定于任务的 Results 字段，请参阅按任务划分的预测结果 (Predict Results by Task) 部分。

Link to this section导出#

将 YOLO26n-depth 模型导出为 ONNX、CoreML 等其他格式。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-depth.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Export the model
model.export(format="onnx")

下表列出了可用的 YOLO26 深度估计导出格式。你可以使用 format 参数导出为任何格式，例如 format='onnx' 或 format='engine'。你可以直接在导出的模型上进行预测或验证，例如 yolo predict model=yolo26n-depth.onnx。导出完成后，将显示模型的使用示例。

查看关于 export 的完整详细信息，请访问 Export 页面。

Link to this section常见问题解答#

Link to this section如何训练一个用于自定义数据集的 YOLO26 深度估计模型？#

准备配对的 RGB 图像和 .npy 深度文件，然后创建一个指向你 images/ 目录的数据集 YAML 文件。加载器会自动将路径中的 images 替换为 depth 并将图像扩展名替换为 .npy 来查找深度文件。

从预训练权重开始，并结合 AdamW 使用较小的学习率，以便微调过程能够保留模型已有的知识（查看 在自定义数据上进行微调 了解原因）：

from ultralytics import YOLO

# Load a pretrained YOLO26 depth model
model = YOLO("yolo26s-depth.pt")

# Fine-tune on a custom depth dataset
results = model.train(
    data="path/to/your_dataset.yaml",
    epochs=20,
    imgsz=640,
    optimizer="AdamW",
    lr0=1e-4,
    warmup_bias_lr=1e-4,
)

查看配置页面以了解更多可用参数。

Link to this sectionYOLO26 深度估计会报告哪些指标？#

深度估计验证会报告 Depth Anything 及相关单目深度任务所使用的指标集：

• delta1 / delta2 / delta3 — 预测深度与真实深度（或其倒数）的比值小于 1.25、1.25² 和 1.25³ 的像素百分比。数值越高越好。
• abs_rel — 平均绝对相对误差。数值越低越好。
• rmse — 以米为单位的均方根误差。数值越低越好。
• silog — 尺度不变对数误差。数值越低越好。

每个预测结果在每张图像中都会与其实际真值进行中值对齐，然后统计数据会汇集到验证集中的每一个有效像素点（拥有更多有效深度像素的图像权重占比更高）。如果某些论文选择对每张图像的指标求平均值，那么在相同预测结果下可能会报告略有不同的数值。

Link to this section深度图的输出格式是什么？#

深度图以 torch.Tensor 形式存储，形状为 (H, W)，其中每个值代表以米为单位的预测深度（请使用 result.depth.data.cpu().numpy() 获取 NumPy float32 数组）。在运行预测后，可以通过 result.depth.data 访问它。深度图与输入图像的分辨率对齐。

Link to this section深度估计支持哪些数据集？#

Ultralytics YOLO26 为多种深度估计数据集提供了内置的 YAML 配置，包括 NYU Depth V2、KITTI、Hypersim、SUN RGB-D 和 ARKitScenes。有关完整列表和格式详细信息，请参阅 深度估计数据集指南。

Link to this section如何验证预训练的 YOLO26 深度估计模型？#

通过提供用于评估的数据集 YAML 文件来验证预训练的 YOLO26 深度模型：

from ultralytics import YOLO

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

# Validate the model
metrics = model.val(data="nyu-depth.yaml")
print("delta1:", metrics.delta1)
print("abs_rel:", metrics.abs_rel)
print("rmse:", metrics.rmse)

Link to this section如何将 YOLO26 深度估计模型导出为 ONNX 格式？#

使用 Python 或 CLI 将 YOLO26 深度模型导出为 ONNX：

from ultralytics import YOLO

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

# Export the model to ONNX format
model.export(format="onnx")

有关导出为各种格式的更多详细信息，请参阅导出页面。