ImageNet10-Datensatz

Der ImageNet10-Datensatz ist eine kleine Teilmenge der ImageNet-Datenbank, die von Ultralytics entwickelt wurde und für CI-Tests, Plausibilitätsprüfungen und das schnelle Testen von Trainingspipelines gedacht ist. Dieser Datensatz besteht aus dem ersten Bild des Trainingssets und dem ersten Bild des Validierungssets 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 Originaldatensatzes repräsentieren.
• Der Datensatz ist entsprechend der WordNet-Hierarchie organisiert und spiegelt die Struktur des kompletten ImageNet-Datensatzes wider.
• Sie eignet sich ideal für CI-Tests, Plausibilitätsprüfungen und das schnelle Testen von Trainingspipelines für Computer Vision Aufgaben.
• Obwohl es nicht für den Modell-Benchmark gedacht ist, kann es einen schnellen Hinweis auf die grundlegende Funktionalität und Korrektheit eines Modells geben.

Struktur des Datensatzes

Der ImageNet10-Datensatz ist wie das ursprüngliche ImageNet nach 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 versehen und bieten so eine kompakte Ressource zum Testen von Modellen zur Erkennung verschiedener Objekte und ihrer Beziehungen.

Anwendungen

Der ImageNet10-Datensatz ist nützlich, um Computer-Vision-Modelle und -Pipelines schnell zu testen und zu debuggen. Seine geringe Größe ermöglicht eine schnelle Iteration und ist daher ideal für kontinuierliche Integrationstests und Plausibilitätsprüfungen. Er kann auch für schnelle Vorabtests neuer Modelle oder Änderungen an bestehenden Modellen verwendet werden, bevor mit dem kompletten ImageNet-Datensatz getestet wird.

Verwendung

Um ein Deep Learning-Modell auf dem ImageNet10-Datensatz mit einer Bildgröße von 224x224 zu testen, kannst du die folgenden Codeschnipsel verwenden. Eine umfassende Liste der verfügbaren Argumente findest du auf der Seite Modelltraining.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 train data=imagenet10 model=yolov8n-cls.pt epochs=5 imgsz=224

Beispielbilder und Anmerkungen

Der ImageNet10-Datensatz enthält eine Teilmenge von Bildern aus dem ursprünglichen ImageNet-Datensatz. Diese Bilder wurden so ausgewählt, dass sie die ersten 10 Klassen des Datensatzes repräsentieren und einen vielfältigen und dennoch kompakten Datensatz für schnelle Tests und Auswertungen bieten.

Das Beispiel zeigt die Vielfalt und Komplexität der Bilder im ImageNet10-Datensatz und unterstreicht seine Nützlichkeit für die Überprüfung der Korrektheit und das schnelle Testen von Computer Vision Modellen.

Zitate und Danksagungen

Wenn du den ImageNet10-Datensatz in deiner Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte die Originalversion 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 Fehlersuche in der Forschungsgemeinschaft für maschinelles Lernen und Computer Vision. Weitere Informationen über den ImageNet-Datensatz und seine Schöpfer findest du 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 Untermenge der ursprünglichen ImageNet-Datenbank, die von Ultralytics für schnelle CI-Tests, Plausibilitätsprüfungen und Evaluierungen der Trainingspipeline 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 es die Struktur und Vielfalt des gesamten Datensatzes bei und ist daher ideal für schnelle Tests, aber nicht für das Benchmarking von Modellen.

Wie kann ich den ImageNet10-Datensatz verwenden, um mein Deep Learning-Modell zu testen?

Um dein Deep Learning-Modell auf dem ImageNet10-Datensatz mit einer Bildgröße von 224x224 zu testen, verwende die folgenden Codeschnipsel.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 train data=imagenet10 model=yolov8n-cls.pt epochs=5 imgsz=224

Auf der Seite Training findest du eine umfassende Liste der verfügbaren Argumente.

Warum sollte ich den ImageNet10-Datensatz für CI-Tests und Plausibilitätsprüfungen verwenden?

Der ImageNet10-Datensatz wurde speziell für CI-Tests, Plausibilitätsprüfungen und schnelle Evaluierungen in Deep-Learning-Pipelines entwickelt. Seine geringe Größe ermöglicht schnelle Iterationen und Tests und ist damit perfekt für kontinuierliche Integrationsprozesse geeignet, bei denen es auf Geschwindigkeit ankommt. Durch die Beibehaltung der strukturellen Komplexität und Vielfalt des ursprünglichen ImageNet-Datensatzes liefert ImageNet10 einen zuverlässigen Hinweis auf die grundlegende Funktionalität und Korrektheit eines Modells, ohne dass der Aufwand für die Verarbeitung eines großen Datensatzes entsteht.

Was sind die wichtigsten Merkmale des ImageNet10-Datensatzes?

Der ImageNet10-Datensatz hat mehrere wichtige Merkmale:

• Kompakte Größe: Mit nur 20 Bildern ermöglicht es eine schnelle Prüfung und Fehlersuche.
• Strukturierte Organisation: Folgt der WordNet-Hierarchie, ähnlich wie der komplette ImageNet-Datensatz.
• CI und Sanity Checks: Ideal geeignet für kontinuierliche Integrationstests und Sanity Checks.
• Nicht für Benchmarking: Es ist zwar nützlich für schnelle Modellevaluierungen, aber nicht für ein umfassendes Benchmarking geeignet.

Wo kann ich den ImageNet10-Datensatz herunterladen?

Du kannst den ImageNet10-Datensatz von der Ultralytics GitHub-Releases-Seite herunterladen. Ausführlichere Informationen über seine Struktur und Anwendungen findest du auf der Seite ImageNet10 Dataset.

Kommentare