ImageNet10-Datensatz
Der ImageNet10-Datensatz ist eine kleine Teilmenge der ImageNet-Datenbank, die von Ultralytics entwickelt wurde und für CI-Tests, Plausibilitätsprüfungen und schnelle Tests von Trainingspipelines konzipiert ist. Dieser Datensatz besteht aus dem ersten Bild im Trainingssatz und dem ersten Bild aus dem Validierungssatz der ersten 10 Klassen in ImageNet. Obwohl er deutlich kleiner ist, behält er die Struktur und Vielfalt des ursprünglichen ImageNet-Datensatzes bei.
Hauptmerkmale
- ImageNet10 ist eine kompakte Version von ImageNet mit 20 Bildern, die die ersten 10 Klassen des ursprünglichen Datensatzes darstellen.
- Der Datensatz ist gemäß der WordNet-Hierarchie organisiert und spiegelt die Struktur des vollständigen ImageNet-Datensatzes wider.
- Er eignet sich ideal für CI-Tests, Plausibilitätsprüfungen und schnelle Tests von Trainingspipelines in Computer Vision-Aufgaben.
- Obwohl er nicht für Modell-Benchmarking konzipiert ist, kann er einen schnellen Hinweis auf die grundlegende Funktionalität und Korrektheit eines Modells geben.
Dataset-Struktur
Der ImageNet10-Datensatz ist, wie das ursprüngliche ImageNet, anhand der WordNet-Hierarchie organisiert. Jede der 10 Klassen in ImageNet10 wird durch ein Synset (eine Sammlung von synonymen Begriffen) beschrieben. Die Bilder in ImageNet10 sind mit einem oder mehreren Synsets annotiert und bieten eine kompakte Ressource zum Testen von Modellen zur Erkennung verschiedener Objekte und ihrer Beziehungen.
Anwendungen
Der ImageNet10-Datensatz ist nützlich für das schnelle Testen und Debuggen von Computer-Vision-Modellen und -Pipelines. Seine geringe Größe ermöglicht eine schnelle Iteration, wodurch er sich ideal für Continuous Integration-Tests und Plausibilitätsprüfungen eignet. Er kann auch für schnelle vorläufige Tests neuer Modelle oder Änderungen an bestehenden Modellen verwendet werden, bevor mit umfassenden Tests mit dem vollständigen ImageNet-Datensatz fortgefahren wird.
Nutzung
Um ein Deep-Learning-Modell auf dem ImageNet10-Datensatz mit einer Bildgröße von 224x224 zu testen, können Sie die folgenden Code-Snippets verwenden. Eine umfassende Liste der verfügbaren Argumente finden Sie auf der Seite Training des Modells.
Testbeispiel
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet10", epochs=5, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224
sample_images und Anmerkungen
Der ImageNet10-Datensatz enthält eine Teilmenge von Bildern aus dem ursprünglichen ImageNet-Datensatz. Diese Bilder wurden ausgewählt, um die ersten 10 Klassen im Datensatz darzustellen, wodurch ein vielfältiger und dennoch kompakter Datensatz für schnelle Tests und Auswertungen bereitgestellt wird.
Das Beispiel zeigt die Vielfalt und Komplexität der Bilder im ImageNet10-Datensatz und unterstreicht seine Nützlichkeit für Plausibilitätsprüfungen und schnelle Tests von Computer-Vision-Modellen.
Zitate und Danksagungen
Wenn Sie den ImageNet10-Datensatz in Ihrer Forschungs- oder Entwicklungsarbeit verwenden, zitieren Sie bitte das Original-Paper von ImageNet:
@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}
}
Wir möchten dem ImageNet-Team unter der Leitung von Olga Russakovsky, Jia Deng und Li Fei-Fei für die Erstellung und Pflege des ImageNet-Datensatzes danken. Der ImageNet10-Datensatz ist zwar eine kompakte Teilmenge, aber eine wertvolle Ressource für schnelle Tests und Debugging in der Machine-Learning- und Computer-Vision-Forschungsgemeinschaft. Weitere Informationen über den ImageNet-Datensatz und seine Ersteller finden Sie auf der ImageNet-Website.
FAQ
Was ist der ImageNet10-Datensatz und wie unterscheidet er sich vom vollständigen ImageNet-Datensatz?
Der ImageNet10-Datensatz ist eine kompakte Teilmenge der ursprünglichen ImageNet-Datenbank, die von Ultralytics für schnelle CI-Tests, Plausibilitätsprüfungen und Evaluierungen von Trainingspipelines erstellt wurde. ImageNet10 umfasst nur 20 Bilder, die das erste Bild in den Trainings- und Validierungssätzen der ersten 10 Klassen in ImageNet darstellen. Trotz seiner geringen Größe behält er die Struktur und Vielfalt des vollständigen Datensatzes bei, was ihn ideal für schnelle Tests, aber nicht für das Benchmarking von Modellen macht.
Wie kann ich den ImageNet10-Datensatz verwenden, um mein Deep-Learning-Modell zu testen?
Um Ihr Deep-Learning-Modell auf dem ImageNet10-Datensatz mit einer Bildgröße von 224x224 zu testen, verwenden Sie die folgenden Code-Snippets.
Testbeispiel
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet10", epochs=5, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224
Eine umfassende Liste der verfügbaren Argumente finden Sie auf der Trainings-Seite.
Warum sollte ich den ImageNet10-Datensatz für CI-Tests und Plausibilitätsprüfungen verwenden?
Der ImageNet10-Datensatz wurde speziell für CI-Tests, Plausibilitätsprüfungen und schnelle Auswertungen in Deep-Learning-Pipelines entwickelt. Seine geringe Größe ermöglicht schnelle Iterationen und Tests, wodurch er sich perfekt für Continuous-Integration-Prozesse eignet, bei denen Geschwindigkeit entscheidend ist. Durch die Beibehaltung der strukturellen Komplexität und Vielfalt des ursprünglichen ImageNet-Datensatzes bietet ImageNet10 eine zuverlässige Aussage über die grundlegende Funktionalität und Korrektheit eines Modells, ohne den Overhead der Verarbeitung eines großen Datensatzes.
Was sind die Hauptmerkmale des ImageNet10-Datensatzes?
Der ImageNet10-Datensatz hat mehrere Hauptmerkmale:
- Kompakte Größe: Mit nur 20 Bildern ermöglicht er schnelles Testen und Debuggen.
- Strukturierte Organisation: Folgt der WordNet-Hierarchie, ähnlich dem vollständigen ImageNet-Datensatz.
- CI und Sanity Checks: Ideal geeignet für Continuous Integration Tests und Sanity Checks.
- Nicht für Benchmarking: Obwohl es für schnelle Modellbewertungen nützlich ist, ist es nicht für umfangreiches Benchmarking konzipiert.
Wie schneidet ImageNet10 im Vergleich zu anderen kleinen Datensätzen wie ImageNette ab?
Während sowohl ImageNet10 als auch ImageNette Teilmengen von ImageNet sind, dienen sie unterschiedlichen Zwecken. ImageNet10 enthält nur 20 Bilder (2 pro Klasse) aus den ersten 10 Klassen von ImageNet, was es extrem leichtgewichtig für CI-Tests und schnelle Plausibilitätsprüfungen macht. Im Gegensatz dazu enthält ImageNette Tausende von Bildern aus 10 leicht unterscheidbaren Klassen, was es besser für das eigentliche Modelltraining und die Entwicklung geeignet macht. ImageNet10 ist für die Überprüfung der Pipeline-Funktionalität konzipiert, während ImageNette besser für aussagekräftige, aber schnellere als vollständige ImageNet-Trainingsexperimente geeignet ist.