مجموعة بيانات ImageNet10#

20

imagenet10

ultralytics

publicClassify

ImageNet sample with 10 classes for testing YOLO image classification. Ideal for validating classification pipelines and quick experiments.

210 classes110.3 KBApr 28, 2026

n01440764n01443537n01484850n01491361+6

مجموعة بيانات Ultralytics ImageNet10 (data="imagenet10") هي مجموعة فرعية صغيرة جداً تضم 24 صورة من ImageNet تغطي فئاتها العشر الأولى، ومصممة لاختبارات التكامل المستمر، وفحوصات السلامة، والتحقق السريع من مسارات التدريب. وهي تحتوي على 12 صورة للتدريب و12 صورة للتحقق منظمة في نفس بنية مجلدات WordNet-synset الخاصة بمجموعة البيانات الكاملة، بحيث يمكن للنموذج الذي يتدرب على ImageNet أن يتدرب على ImageNet10 دون تغيير — في ثوانٍ بدلاً من ساعات. وهي مصممة للتحقق من أن مسار العمل يعمل من البداية إلى النهاية، وليس لقياس الدقة.

الميزات الرئيسية#

• تحتوي ImageNet10 على 24 صورة فقط (12 للتدريب، 12 للتحقق) مأخوذة من الفئات العشر الأولى في ImageNet.
• تم تنظيم مجموعة البيانات وفقاً لتسلسل WordNet الهرمي، مما يعكس مجلدات synset لكل فئة في مجموعة بيانات ImageNet الكاملة.
• لقد صُممت خصيصاً لاختبارات التكامل المستمر، وفحوصات السلامة، والتصحيح السريع لأخطاء مسارات التدريب في مهام الرؤية الحاسوبية.
• على الرغم من أنها ليست مصممة لمقارنة أداء النماذج، إلا أنها تعطي مؤشراً سريعاً على الوظائف الأساسية للنموذج ومدى صحتها.

هيكل مجموعة البيانات#

تأتي مجموعة بيانات ImageNet10 مع تقسيم محدد مسبقاً، باستخدام أول 10 فئات من مجموعة بيانات ImageNet الكاملة (n01440764 من سمك التنش إلى n01518878 النعامة):

كل فئة من الفئات العشر هي WordNet synset (مجموعة من المصطلحات المترادفة)، وتوضع الصور في مجلدات خاصة بكل فئة مسماة بمعرف synset - وهو التخطيط الدقيق الذي يتوقعه تدريب التصنيف في Ultralytics. وهذا يجعل من ImageNet10 بديلاً مدمجاً ومطابقاً هيكلياً لمجموعة البيانات الكاملة عند اختبار ما إذا كان النموذج يتعرف على تنسيق المجلد المتوقع.

استكشف ImageNet10 على Ultralytics Platform لتصفح الصور مجمعة حسب الفئة، وعرض توزع الفئات في علامة التبويب Charts، واستنساخها لتدريب نموذجك الخاص في السحابة.

التطبيقات#

مجموعة بيانات ImageNet10 مفيدة للاختبار السريع وتصحيح أخطاء نماذج ومسارات الرؤية الحاسوبية. يتيح حجمها الصغير إمكانية التكرار السريع، مما يجعلها مثالية لاختبارات التكامل المستمر وفحوصات السلامة. كما أنها مفيدة للاختبار الأولي السريع للنماذج الجديدة أو تغييرات الكود قبل الانتقال إلى عمليات تشغيل واسعة النطاق باستخدام مجموعة بيانات ImageNet الكاملة.

الاستخدام#

لاختبار نموذج تصنيف على مجموعة بيانات ImageNet10 بحجم صورة 224x224، استخدم مقاطع الكود أدناه. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النماذج.

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)

صور وشروحات توضيحية عينة#

تحتوي مجموعة بيانات ImageNet10 على مجموعة فرعية من الصور من مجموعة بيانات ImageNet الأصلية، تم اختيارها لتمثيل فئاتها العشر الأولى وتوفير مورد متنوع ومدمج للاختبار والتقييم السريع.

يعرض المثال تنوع وتعقيد الصور في مجموعة بيانات ImageNet10، مما يسلط الضوء على فائدتها لفحوصات السلامة والاختبار السريع لنماذج رؤية الكمبيوتر.

الاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات ImageNet10 في بحثك أو عملك التطويري، يرجى 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 أن نشكر فريق ImageNet، بقيادة أولغا روساكوفسكي، وجيا دينغ، ولي فاي فاي، على إنشاء وصيانة مجموعة بيانات ImageNet. تُعد مجموعة فرعية ImageNet10، التي أنشأتها Ultralytics، مورداً قيماً للاختبار السريع وتصحيح الأخطاء في مجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات ImageNet ومبتكريها، تفضل بزيارة موقع ImageNet.

الأسئلة الشائعة#