#25695·ultralytics

YOLO-Depth: 来自单个摄像头的每像素距离度量

作者: raimbekovm创建于 2026年8月5日更新于 2026年9月9日
标签documentationenhancementresearchpopularpython

** YOLO-深度**为超解YOLO带来单相深度估计:每个像素的公尺相距,取自单一的RGB图像,使用同一种熟悉的"超解"Python和CLI工作流程.

这是YOLO26深度估计模型、数据集、产出和实例的发射中心。

∮什么运出∮

  • ** 新的深度估计任务**:`深度'
  • YOLO26深度模型家族:"yolo26n-深度.pt","yolo26s-深度.pt","yolo26m-深度.pt","yolo26l-深度.pt","yolo26x-深度.pt"
  • ** 通过“结果”得出高度的深度产出。 纵深
  • ** 无界日志深度头**(~0.02-150米),因此一个模型覆盖了台上和高速公路的行距。
  • ** 通过已烤入所放出重量的`model.calibrate ()'进行封闭式尺度校正**
  • ** NYU Depth V2、KITTI、Hypersim、SUN RGB-D、ARKitScens、DIODE、TartanAir和vKITTI2的构建数据集配置**
  • ** 火车、Val、预测和出口工作流程** 通过标准超解API

∮从这里开始∮

□快起:CLI

{\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}你觉得呢? pip 安装 - U 超解析器

{\fn方正粗倩简体\fs12\an8\1cHFFFF00\b0}预示着密集的测量深度图 yolo深度预测模型=yolo26n-深度.pt source=https://ultralytics.com/images/bus.jpg imgsz=768 (中文(简体) ).

{\fn方正粗倩简体\fs12\an8简体\fs12\an8\1cHFFFF00\b0}在微小深度8烟雾测试数据集上进行训练 yolo深度列车数据=深度8.yaml模型=yolo26n-深度.pt epochs=10 imgsz=640

验证NYU V2深度

yolo深度val模型=yolo26n-深度.pt数据=nyu-深度.yaml imgsz=768

导出用于部署 yolo导出模式=yolo26n-sept-free.pt格式=onnx imgsz=768


□快起:Python

```(Python)
从超解析器导入 YOLO

型号=YOLO ("yolo26n- sept").

结果=模型.previct ("https://ultralytics.com/images/bus.jpg", imgsz=768).
成果:
深度 = 结果. deep.data.cpu (. numpy () # H x W 浮32 地图,米
打印( 深度. 形状)
打印( 深度. min (), 深度. max ())

□ 从自定义数据培训

深度数据集将每个RGB图像与以米为单位的`.npy'浮动32深度图相配. 装载器通过将 " 图像 " 部分取而代之,取而代之,将图像扩展取而代之,取而代之。

页:1 数据集/数据 图像/{火车,val} 深度/{火车,val}


QQ 数据集 YAML

{\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}你觉得呢?
路径:/路径/到/我的深度数据集
列车:图像/列车
val: 图像/ val
最大  深度: 80 # (m) 可选, 超过此值的GT 不包括在 val 度量中
数值:1
名称 :
0: 深度

{\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}你觉得呢? yolo 深度列车数据=my-深度.yaml model=yolo26n-深度.pt epochs=100 imgsz=640


* 微调配方

这个
. . . . . . .

内容来源: ultralytics/ultralytics