Conjunto de datos ImageNet

ImageNet es una base de datos a gran escala de imágenes anotadas diseñada para su uso en la investigación del reconocimiento visual de objetos. Contiene más de 14 millones de imágenes, cada una de ellas anotada utilizando synsets de WordNet, lo que la convierte en uno de los recursos más extensos disponibles para entrenar modelos de aprendizaje profundo en tareas de visión por ordenador.

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 de WordNet, y cada synset representa una categoría.
• ImageNet se utiliza ampliamente para el entrenamiento y la evaluación comparativa en el campo de la visión por ordenador, en particular para tareas de clasificación de imágenes y detección de objetos.
• 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.

Reto de reconocimiento visual a gran escala de ImageNet (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 de aprendizaje profundo populares, como AlexNet, VGG y ResNet, se desarrollaron y evaluaron mediante el conjunto de datos ImageNet.

Utilización

Para entrenar un modelo de aprendizaje profundo en el conjunto de datos ImageNet durante 100 épocas con un tamaño de imagen de 224x224, puede utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulte la página de entrenamiento del modelo.

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. Estos son 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 contar con un conjunto de datos diverso para entrenar modelos sólidos de visión por ordenador.

Citas y agradecimientos

Si utiliza el conjunto de datos ImageNet en su trabajo de investigación o desarrollo, cite 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}
}

Queremos expresar nuestro agradecimiento al equipo de ImageNet, dirigido por Olga Russakovsky, Jia Deng y Li Fei-Fei, por crear y mantener el conjunto de datos ImageNet como un valioso recurso para la comunidad investigadora del aprendizaje automático y la visión por ordenador. Para más información sobre el conjunto de datos ImageNet y sus creadores, visite el sitio web de ImageNet.

PREGUNTAS FRECUENTES

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

ImageNet es una base de datos a gran escala que contiene más de 14 millones de imágenes de alta resolución clasificadas 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 recurso muy valioso 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, siga 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, consulte nuestra página de Formación.

¿Por qué debería utilizar los modelos preentrenados de Ultralytics YOLO11 para mis proyectos del conjunto de datos ImageNet?

Ultralytics YOLO11 Los modelos preentrenados ofrecen un rendimiento puntero en términos de velocidad y precisión para diversas tareas de visión computerizada. Por ejemplo, el modelo YOLO11n-cls, con una precisión top-1 del 69,0% y top-5 del 88,3%, está optimizado para aplicaciones en tiempo real. Los modelos preentrenados reducen los recursos informáticos necesarios para el entrenamiento desde cero y aceleran los ciclos de desarrollo. Obtenga más información sobre las métricas de rendimiento de los modelos de YOLO11 en la sección Modelos preentrenados de ImageNet.

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

El conjunto de datos ImageNet se organiza utilizando la jerarquía WordNet, donde cada nodo de la jerarquía representa una categoría descrita por un synset (una colección de términos sinónimos). Esta estructura permite realizar anotaciones detalladas, por lo que resulta ideal para entrenar modelos de reconocimiento de una amplia variedad de objetos. La diversidad y riqueza de anotaciones de ImageNet lo convierten en un valioso conjunto de datos para desarrollar modelos de aprendizaje profundo robustos y generalizables. Encontrará 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?

El concurso anual ImageNet Large Scale Visual Recognition Challenge (ILSVRC) ha sido fundamental para impulsar los avances en visión por ordenador al proporcionar una plataforma competitiva para evaluar algoritmos en un conjunto de datos estandarizado a gran escala. Ofrece métricas de evaluación estandarizadas que fomentan la innovación y el desarrollo en áreas como la clasificación de imágenes, la detección de objetos y la segmentación de imágenes. El desafío ha ampliado continuamente los límites de lo que es posible con las tecnologías de aprendizaje profundo y visión por ordenador.

Creado hace 1 año ✏️ Actualizado hace 2 meses

Comentarios