مجموعة بيانات ImageNet#
مجموعة بيانات Ultralytics ImageNet (data="imagenet") هي مجموعة فرعية من ImageNet-1k / ILSVRC-2012 تُستخدم لتدريب نماذج تصنيف الصور وقياس أدائها. وتضم 1,000 فئة من الكائنات مع 1,281,167 صورة تدريب و50,000 صورة تحقق، ويُجرى التدريب عليها عادةً بحجم صورة 224x224، ويبلغ حجم تنزيلها نحو 144 GB من البيانات. أما قاعدة بيانات ImageNet الأشمل فهي أكبر بكثير — إذ تضم أكثر من 14 مليون صورة عالية الدقة مشروحة بمجموعات مرادفات WordNet عبر أكثر من 20,000 فئة — لكن Ultralytics تدرب نماذجها على المجموعة الفرعية الموحدة ذات الفئات الألف من ILSVRC، التي أصبحت المعيار الفعلي لـالتعلم العميق في الرؤية الحاسوبية.
نماذج ImageNet المدربة مسبقًا#
| النموذج | الحجم (بكسل) | الدقة أعلى 1 | الدقة أعلى 5 | السرعة CPU ONNX (مللي ثانية) | السرعة T4 TensorRT10 (ms) | المعاملات (M) | FLOPs (B) عند 224 |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.4 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.5 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.8 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.0 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.5 |
الميزات الرئيسية#
- توفر مجموعة بيانات Ultralytics
imagenetعددًا قدره 1,000 فئة، مع 1,281,167 صورة تدريب و50,000 صورة تحقق (ILSVRC-2012)، وهي معيار التدريب المسبق القياسي لتصنيف الصور. - تُنظّم الفئات وفق تسلسل WordNet الهرمي، حيث تتوافق كل فئة مع مجموعة مرادفات (مجموعة من المصطلحات المترادفة).
- تُدرّب النماذج على صور بأبعاد 224x224، ويبلغ حجم تنزيل مجموعة البيانات كاملةً نحو ~144 GB.
- كان لتحدي ImageNet السنوي للتعرّف البصري واسع النطاق (ILSVRC) دور محوري في دفع أبحاث الرؤية الحاسوبية إلى الأمام.
بنية مجموعة البيانات#
تستخدم مجموعة بيانات Ultralytics ImageNet تقسيم ILSVRC-2012:
| المجموعة الفرعية | الصور | الفئات |
|---|---|---|
| التدريب | 1,281,167 | 1,000 |
| التحقق | 50,000 | 1,000 |
تُخزّن الصور في مجلدات منفصلة لكل فئة، وتُسمّى هذه المجلدات بمعرّف مجموعة مرادفات WordNet (على سبيل المثال، n01440764)، وهو التنسيق الذي تتوقعه Ultralytics لتدريب التصنيف. وتُطابق كل واحدة من الفئات الألف مجموعة مرادفات في WordNet، ولا توجد مجموعة اختبار منفصلة؛ لذا تُستخدم مجموعة التحقق المؤلفة من 50,000 صورة لقياس الدقة.
يبلغ حجم تنزيل ImageNet-1k نحو ~144 GB، لذا تأكد من توفر مساحة كافية على القرص قبل التدريب. ولإجراء تجارب سريعة، تستخدم المجموعتان الفرعيتان الأصغر ImageNette وImageNet10 تنسيق المجلدات نفسه، ويمكن تدريبهما في جزء يسير من الوقت.
تحدي ImageNet للتعرّف البصري واسع النطاق (ILSVRC)#
أتاح تحدي ImageNet للتعرّف البصري واسع النطاق (ILSVRC) السنوي للباحثين قياس أداء الخوارزميات على مجموعة بيانات موحدة واسعة النطاق باستخدام مقاييس تقييم متسقة. وأسهم التحدي في تحقيق تطورات كبيرة في التعلم العميق لتصنيف الصور واكتشاف الكائنات ومهام الرؤية الأخرى — وأبرزها فوز AlexNet عام 2012، الذي ساعد في إطلاق حقبة التعلم العميق الحديثة.
التطبيقات#
تُستخدم مجموعة بيانات ImageNet على نطاق واسع لتدريب نماذج التعلم العميق وتقييمها في تصنيف الصور واكتشاف الكائنات وتحديد مواقعها. وطُوّرت بنى رائدة مثل AlexNet وVGG وResNet جميعها واختُبرت على ImageNet، ولا تزال الأوزان المدربة مسبقًا على ImageNet نقطة انطلاق شائعة للتعلم بالنقل عبر مهام الرؤية.
الاستخدام#
لتدريب نموذج YOLO للتصنيف على ImageNet لمدة 100 حقبة بحجم صورة 224x224، استخدم مقتطفات الشيفرة أدناه. للاطلاع على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب الخاصة بالنموذج.
from ultralytics import YOLO
# تحميل نموذج
model = YOLO("yolo26n-cls.pt") # تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)
# تدريب النموذج
results = model.train(data="imagenet", epochs=100, imgsz=224)يمكنك أيضًا إدارة مجموعات بيانات التصنيف وإجراء التدريب سحابيًا باستخدام Ultralytics Platform.
صور وتعليقات توضيحية نموذجية#
تشمل مجموعة بيانات ImageNet فئات ILSVRC-2012 الألف، وتوفر موردًا متنوعًا وشاملًا لتدريب نماذج الرؤية الحاسوبية وتقييمها. فيما يلي بعض الصور النموذجية من مجموعة البيانات:
الاستشهادات والشكر والتقدير#
إذا استخدمت مجموعة بيانات ImageNet في أبحاثك أو أعمال التطوير، يُرجى الاستشهاد بالورقة التالية:
@article{ILSVRC15,
author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
title={ImageNet Large Scale Visual Recognition Challenge},
year={2015},
journal={International Journal of Computer Vision (IJCV)},
volume={115},
number={3},
pages={211-252}
}نتوجه بالشكر إلى فريق ImageNet، بقيادة Olga Russakovsky وJia Deng وLi Fei-Fei، لإنشائه مجموعة بيانات ImageNet وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات عن مجموعة بيانات ImageNet ومنشئيها، تفضل بزيارة موقع ImageNet.
الأسئلة الشائعة#
تُعد مجموعة بيانات ImageNet قاعدة صور واسعة النطاق تضم مجموعتها الأوسع أكثر من 14 مليون صورة عالية الدقة مشروحة بمجموعات مرادفات WordNet. وتدرّب Ultralytics باستخدام
data="imagenet"على المجموعة الفرعية الموحدة ذات الفئات الألف من ILSVRC-2012، وهي المعيار الفعلي للتدريب المسبق على تصنيف الصور. ودُرّبت نماذج رائدة مثل AlexNet وVGG وResNet واختُبرت على ImageNet، مما يؤكد دورها في تطوير الرؤية الحاسوبية.تستخدم مجموعة بيانات Ultralytics
imagenetالمجموعة الفرعية ILSVRC-2012، التي تضم 1,000 فئة و1,281,167 صورة تدريب و50,000 صورة تحقق، ويُجرى التدريب عليها عادةً بحجم صورة 224x224، ويبلغ إجمالي حجم تنزيلها نحو 144 GB. أما قاعدة بيانات ImageNet كاملةً فهي أكبر بكثير (أكثر من 14 مليون صورة موزعة على ما يزيد على 20,000 مجموعة مرادفات في WordNet)، لكن المجموعة الفرعية ذات الفئات الألف هي المستخدمة لتدريب التصنيف وقياس أدائه.لتدريب نموذج Ultralytics YOLO على ImageNet، حمّل نموذج تصنيف مدربًا مسبقًا ووجّه
dataإلىimagenet:مثال على التدريبfrom ultralytics import YOLO # تحميل نموذج model = YOLO("yolo26n-cls.pt") # تحميل نموذج مدرّب مسبقًا (موصى به للتدريب) # تدريب النموذج results = model.train(data="imagenet", epochs=100, imgsz=224)للاطلاع على تعليمات تدريب أكثر تفصيلًا، راجع صفحة التدريب.
توفر نماذج Ultralytics YOLO26 المدربة مسبقًا أداءً متطورًا من حيث السرعة والدقة في مختلف مهام الرؤية الحاسوبية. فعلى سبيل المثال، حُسّن نموذج YOLO26n-cls، الذي تبلغ دقته top-1 نسبة 71.4% ودقته top-5 نسبة 90.1%، للتطبيقات الآنية. وتقلل النماذج المدربة مسبقًا موارد الحوسبة اللازمة للتدريب من الصفر، كما تسرّع دورات التطوير. تعرّف على مزيد من المعلومات حول مقاييس أداء نماذج YOLO26 في قسم نماذج ImageNet المدربة مسبقًا.
أسهم تحدي ImageNet للتعرّف البصري واسع النطاق (ILSVRC) السنوي في تطوير الرؤية الحاسوبية من خلال توفير منصة تنافسية لتقييم الخوارزميات على مجموعة بيانات موحدة واسعة النطاق. وعززت مقاييس التقييم المتسقة فيه الابتكار في تصنيف الصور واكتشاف الكائنات وتجزئة الصور، ودَفعت باستمرار حدود التعلم العميق والرؤية الحاسوبية.