Conjunto de datos ImageNet

ImageNet is a large-scale database of annotated images designed for use in visual object recognition research. It contains over 14 million images, with each image annotated using WordNet synsets, making it one of the most extensive resources available for training deep learning models in computer vision tasks.

Modelos preentrenados de ImageNet

Características principales

• ImageNet contiene más de 14 millones de imágenes de alta resolución que abarcan miles de categorías de objetos.
• El conjunto de datos está organizado según la jerarquía WordNet, y cada synset representa una categoría.
• ImageNet is widely used for training and benchmarking in the field of computer vision, particularly for image classification and object detection tasks.
• El concurso anual ImageNet Large Scale Visual Recognition Challenge (ILSVRC) ha sido decisivo para el avance de la investigación en visión por ordenador.

Estructura del conjunto de datos

El conjunto de datos ImageNet se organiza utilizando la jerarquía WordNet. Cada nodo de la jerarquía representa una categoría, y cada categoría se describe mediante un synset (una colección de términos sinónimos). Las imágenes de ImageNet están anotadas con uno o más synsets, lo que proporciona un rico recurso para entrenar modelos que reconozcan diversos objetos y sus relaciones.

Desafío ImageNet de Reconocimiento Visual a Gran Escala (ILSVRC)

El concurso anual ImageNet Large Scale Visual Recognition Challenge (ILSVRC) ha sido un acontecimiento importante en el campo de la visión por ordenador. Ha proporcionado una plataforma para que investigadores y desarrolladores evalúen sus algoritmos y modelos en un conjunto de datos a gran escala con métricas de evaluación estandarizadas. El ILSVRC ha dado lugar a avances significativos en el desarrollo de modelos de aprendizaje profundo para la clasificación de imágenes, la detección de objetos y otras tareas de visión por ordenador.

Aplicaciones

El conjunto de datos ImageNet se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo en diversas tareas de visión por ordenador, como la clasificación de imágenes, la detección de objetos y la localización de objetos. Algunas arquitecturas populares de aprendizaje profundo, como AlexNet, VGG y ResNet, se desarrollaron y evaluaron utilizando el conjunto de datos ImageNet.

Utilización

To train a deep learning model on the ImageNet dataset for 100 epochs with an image size of 224x224, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

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="imagenet", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224

Ejemplos de imágenes y anotaciones

El conjunto de datos ImageNet contiene imágenes de alta resolución que abarcan miles de categorías de objetos, lo que proporciona un conjunto de datos diverso y extenso para entrenar y evaluar modelos de visión por ordenador. Aquí tienes algunos ejemplos de imágenes del conjunto de datos:

El ejemplo muestra la variedad y complejidad de las imágenes del conjunto de datos ImageNet, lo que pone de relieve la importancia de un conjunto de datos diverso para entrenar modelos robustos de visión por ordenador.

Citas y agradecimientos

Si utilizas el conjunto de datos ImageNet en tu trabajo de investigación o desarrollo, cita el siguiente documento:

@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}
}

We would like to acknowledge the ImageNet team, led by Olga Russakovsky, Jia Deng, and Li Fei-Fei, for creating and maintaining the ImageNet dataset as a valuable resource for the machine learning and computer vision research community. For more information about the ImageNet dataset and its creators, visit the ImageNet website.

PREGUNTAS FRECUENTES

¿Qué es el conjunto de datos ImageNet y cómo se utiliza en visión por ordenador?

El conjunto de datos ImageNet es una base de datos a gran escala formada por más de 14 millones de imágenes de alta resolución categorizadas mediante sinónimos de WordNet. Se utiliza ampliamente en la investigación del reconocimiento visual de objetos, incluida la clasificación de imágenes y la detección de objetos. Las anotaciones del conjunto de datos y su gran volumen proporcionan un rico recurso para entrenar modelos de aprendizaje profundo. En particular, modelos como AlexNet, VGG y ResNet se han entrenado y evaluado utilizando ImageNet, lo que demuestra su papel en el avance de la visión por ordenador.

¿Cómo puedo utilizar un modelo YOLO preentrenado para la clasificación de imágenes en el conjunto de datos ImageNet?

Para utilizar un modelo Ultralytics YOLO preentrenado para la clasificación de imágenes en el conjunto de datos ImageNet, sigue estos pasos:

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="imagenet", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224

Para obtener instrucciones de formación más detalladas, consulta nuestra página de Formación.

Why should I use the Ultralytics YOLO11 pretrained models for my ImageNet dataset projects?

Ultralytics YOLO11 pretrained models offer state-of-the-art performance in terms of speed and accuracy for various computer vision tasks. For example, the YOLO11n-cls model, with a top-1 accuracy of 69.0% and a top-5 accuracy of 88.3%, is optimized for real-time applications. Pretrained models reduce the computational resources required for training from scratch and accelerate development cycles. Learn more about the performance metrics of YOLO11 models in the ImageNet Pretrained Models section.

¿Cómo está estructurado el conjunto de datos ImageNet y por qué es importante?

El conjunto de datos ImageNet se organiza utilizando la jerarquía WordNet, en la que cada nodo de la jerarquía representa una categoría descrita por un synset (una colección de términos sinónimos). Esta estructura permite anotaciones detalladas, por lo que es ideal para entrenar modelos que reconozcan una gran variedad de objetos. La diversidad y riqueza de anotaciones de ImageNet la convierten en un valioso conjunto de datos para desarrollar modelos de aprendizaje profundo robustos y generalizables. Puedes encontrar más información sobre esta organización en la sección Estructura del conjunto de datos.

¿Qué papel desempeña el ImageNet Large Scale Visual Recognition Challenge (ILSVRC) en la visión por ordenador?

The annual ImageNet Large Scale Visual Recognition Challenge (ILSVRC) has been pivotal in driving advancements in computer vision by providing a competitive platform for evaluating algorithms on a large-scale, standardized dataset. It offers standardized evaluation metrics, fostering innovation and development in areas such as image classification, object detection, and image segmentation. The challenge has continuously pushed the boundaries of what is possible with deep learning and computer vision technologies.

📅 Created 11 months ago ✏️ Updated 12 days ago

Comentarios