مجموعة بيانات ImageNet10#
مجموعة بيانات ImageNet10 من Ultralytics (data="imagenet10") هي مجموعة فرعية صغيرة مكوّنة من 24 صورة من ImageNet، وتغطي فئاتها العشر الأولى، وقد أُنشئت لاختبارات التكامل المستمر، وفحوصات السلامة، والتحقق السريع من مسارات تدريب النماذج. وتضم 12 صورة للتدريب و12 صورة للتحقق، منظّمة وفق بنية مجلدات WordNet-synset نفسها المستخدمة في مجموعة البيانات الكاملة، ولذلك فإن النموذج الذي يتدرب على ImageNet يتدرب على ImageNet10 دون أي تعديل — خلال ثوانٍ بدلًا من ساعات. وقد صُممت للتحقق من تشغيل مسار المعالجة من البداية إلى النهاية، وليس لقياس الدقة.
الميزات الرئيسية#
- تحتوي ImageNet10 على 24 صورة فقط (12 صورة للتدريب و12 صورة للتحقق) مأخوذة من الفئات العشر الأولى في ImageNet.
- نُظّمت مجموعة البيانات وفق تسلسل WordNet الهرمي، بما يحاكي مجلدات synset الخاصة بكل فئة في مجموعة بيانات ImageNet الكاملة.
- صُممت خصيصًا لاختبارات التكامل المستمر، وفحوصات السلامة، وتصحيح الأخطاء بسرعة في مسارات تدريب مهام الرؤية الحاسوبية.
- وعلى الرغم من أنها غير مخصصة لقياس أداء النماذج، فإنها توفر مؤشرًا سريعًا على الوظائف الأساسية للنموذج وصحته.
بنية مجموعة البيانات#
تأتي مجموعة بيانات ImageNet10 مع تقسيم محدد مسبقًا، باستخدام الفئات العشر الأولى من مجموعة بيانات ImageNet الكاملة (n01440764 tench إلى n01518878 ostrich):
| التقسيم | الصور | الفئات |
|---|---|---|
| التدريب | 12 | 10 |
| التحقق | 12 | 10 |
كل فئة من الفئات العشر هي synset في WordNet (مجموعة من المصطلحات المترادفة)، وتوجد الصور في مجلدات خاصة بكل فئة تحمل أسماء معرّفات synset — وهو التخطيط نفسه الذي يتوقعه تدريب التصنيف في Ultralytics. وهذا يجعل ImageNet10 بديلًا مدمجًا يحافظ على البنية الأصلية لمجموعة البيانات الكاملة عند اختبار تعرف النموذج على تنسيق المجلدات المتوقع.
استكشف ImageNet10 على منصة Ultralytics لتصفح الصور مجمعة حسب الفئة، وعرض توزيع الفئات في علامة التبويب Charts، واستنساخها لتدريب نموذجك الخاص في السحابة.
التطبيقات#
تُعد مجموعة بيانات ImageNet10 مفيدة لاختبار نماذج ومسارات الرؤية الحاسوبية وتصحيح أخطائها بسرعة. ويسمح حجمها الصغير بالتكرار السريع، ما يجعلها مثالية لاختبارات التكامل المستمر وفحوصات السلامة. كما أنها مفيدة للاختبار الأولي السريع للنماذج الجديدة أو تغييرات التعليمات البرمجية قبل الانتقال إلى عمليات التشغيل واسعة النطاق باستخدام مجموعة بيانات ImageNet الكاملة.
الاستخدام#
لاختبار نموذج تصنيف على مجموعة بيانات ImageNet10 بحجم صورة 224x224، استخدم مقتطفات التعليمات البرمجية أدناه. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب الخاصة بالنموذج.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet10", epochs=5, imgsz=224)الصور والتعليقات التوضيحية النموذجية#
تحتوي مجموعة بيانات ImageNet10 على مجموعة فرعية من الصور من مجموعة بيانات ImageNet الأصلية، اختيرت لتمثيل فئاتها العشر الأولى وتوفير مورد متنوع ومضغوط للاختبار والتقييم السريعين.
يوضح المثال تنوع الصور وتعقيدها في مجموعة بيانات ImageNet10، مبرزًا فائدتها في فحوصات السلامة والاختبار السريع لنماذج الرؤية الحاسوبية.
الاقتباسات والشكر والتقدير#
إذا استخدمت مجموعة بيانات ImageNet10 في أبحاثك أو أعمال التطوير، فالرجاء الاستشهاد بورقة ImageNet الأصلية:
@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}
}نود الإشادة بفريق ImageNet، بقيادة Olga Russakovsky وJia Deng وLi Fei-Fei، لإنشاء مجموعة بيانات ImageNet وصيانتها. وتُعد المجموعة الفرعية ImageNet10، التي أنشأتها Ultralytics، موردًا قيّمًا للاختبار السريع وتصحيح الأخطاء في مجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات ImageNet ومنشئيها، تفضل بزيارة موقع ImageNet.
الأسئلة الشائعة#
مجموعة بيانات ImageNet10 هي مجموعة فرعية مدمجة من قاعدة بيانات ImageNet، أنشأتها Ultralytics لاختبارات CI السريعة، وفحوصات السلامة، وتقييمات مسارات التدريب. وتحتوي على 24 صورة (12 صورة للتدريب و12 صورة للتحقق) من الفئات العشر الأولى في ImageNet. وعلى الرغم من صغر حجمها، فإنها تحافظ على بنية مجلدات WordNet الخاصة بمجموعة البيانات الكاملة، ما يجعلها مثالية لاختبار المسارات بسرعة، ولكن ليس لقياس دقة النموذج.
تحتوي ImageNet10 على 24 صورة إجمالًا — 12 صورة للتدريب و12 صورة للتحقق — موزعة على الفئات العشر الأولى في ImageNet. وكل فئة هي synset في WordNet مخزنة في مجلد خاص بها، ولذلك تحاكي مجموعة البيانات تخطيط مجموعة بيانات ImageNet الكاملة بحجم أصغر بكثير.
لاختبار نموذج التصنيف الخاص بك على ImageNet10 بحجم صورة 224x224، استخدم مقتطفات التعليمات البرمجية التالية.
مثال على الاختبارfrom ultralytics import YOLO # Load a model model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training) # Train the model results = model.train(data="imagenet10", epochs=5, imgsz=224)راجع صفحة التدريب للحصول على قائمة شاملة بالوسيطات المتاحة.
صُممت ImageNet10 خصيصًا لاختبارات CI، وفحوصات السلامة، والتقييمات السريعة في مسارات التعلم العميق. ويسمح حجمها البالغ 24 صورة بالتكرار شبه الفوري، ما يجعلها مثالية للتكامل المستمر حيث تكون السرعة بالغة الأهمية. وبفضل حفاظها على بنية مجلدات مجموعة بيانات ImageNet الكاملة، فإنها توفر فحصًا موثوقًا للوظائف الأساسية للنموذج وصحته دون أعباء معالجة مجموعة بيانات كبيرة.
على الرغم من أن كلًا من ImageNet10 وImageNette هما مجموعتان فرعيتان من ImageNet، فإن لكل منهما غرضًا مختلفًا. تحتوي ImageNet10 على 24 صورة فقط من الفئات العشر الأولى، ما يجعلها خفيفة للغاية لاختبارات CI وفحوصات السلامة السريعة. أما ImageNette فتحتوي على أكثر من 13,000 صورة موزعة على 10 فئات يسهل تمييزها، ما يجعلها مناسبة لتدريب النماذج وتطويرها فعليًا. تتحقق ImageNet10 من وظائف المسار، بينما تُعد ImageNette أفضل لتجارب تدريب هادفة وأسرع من التدريب على ImageNet الكاملة.