Conjunto de datos ImageNet10#
El conjunto de datos ImageNet10 de Ultralytics (data="imagenet10") es un pequeño subconjunto de 24 imágenes de ImageNet que abarca sus 10 primeras clases y está pensado para pruebas de integración continua, comprobaciones básicas y validaciones rápidas de las canalizaciones de entrenamiento. Contiene 12 imágenes de entrenamiento y 12 de validación, organizadas con la misma estructura de carpetas por synset de WordNet que el conjunto de datos completo. Por tanto, un modelo que se entrene con ImageNet puede entrenarse con ImageNet10 sin cambios, en segundos en lugar de horas. Está diseñado para verificar que una canalización funciona de principio a fin, no para comparar la precisión.
Características principales#
- ImageNet10 contiene solo 24 imágenes (12 de entrenamiento y 12 de validación), extraídas de las 10 primeras clases de ImageNet.
- El conjunto de datos está organizado según la jerarquía de WordNet y replica las carpetas de synsets por clase del conjunto de datos ImageNet completo.
- Está diseñado específicamente para pruebas de integración continua, comprobaciones básicas y depuración rápida de canalizaciones de entrenamiento en tareas de visión artificial.
- Aunque no está diseñado para comparar modelos, permite comprobar rápidamente su funcionamiento básico y que todo sea correcto.
Estructura del conjunto de datos#
ImageNet10 incluye una división predefinida que utiliza las 10 primeras clases del conjunto de datos ImageNet completo (n01440764 desde tench hasta n01518878 ostrich):
| División | Imágenes | Clases |
|---|---|---|
| Entrenar | 12 | 10 |
| Validación | 12 | 10 |
Cada una de las 10 clases es un synset de WordNet (un conjunto de términos sinónimos), y las imágenes se guardan en carpetas independientes por clase, cuyo nombre corresponde al ID del synset: la estructura exacta que espera el entrenamiento de clasificación de Ultralytics. Esto convierte ImageNet10 en un sustituto compacto y estructuralmente fiel del conjunto de datos completo para comprobar que un modelo reconoce el formato de carpetas esperado.
Explora ImageNet10 en Ultralytics Platform para ver las imágenes agrupadas por clase, consultar la distribución de clases en la pestaña Gráficos y clonarlo para entrenar tu propio modelo en la nube.
Aplicaciones#
El conjunto de datos ImageNet10 resulta útil para probar y depurar rápidamente modelos y canalizaciones de visión artificial. Su reducido tamaño permite iterar con rapidez, por lo que es ideal para pruebas de integración continua y comprobaciones básicas. También resulta práctico para hacer pruebas preliminares rápidas de modelos nuevos o cambios de código antes de pasar a ejecuciones a gran escala con el conjunto de datos ImageNet completo.
Uso#
Para probar un modelo de clasificación con el conjunto de datos ImageNet10 y un tamaño de imagen de 224x224, utiliza los fragmentos de código siguientes. Consulta la página de entrenamiento del modelo para ver una lista completa de los argumentos disponibles.
from ultralytics import YOLO
# Cargar un modelo
model = YOLO("yolo26n-cls.pt") # Carga un modelo preentrenado (recomendado para el entrenamiento)
# Entrenar el modelo
results = model.train(data="imagenet10", epochs=5, imgsz=224)Imágenes de muestra y anotaciones#
El conjunto de datos ImageNet10 contiene un subconjunto de imágenes del conjunto de datos ImageNet original, seleccionadas para representar sus 10 primeras clases y ofrecer un recurso diverso pero compacto para realizar pruebas y evaluaciones rápidas.
El ejemplo muestra la variedad y complejidad de las imágenes del conjunto de datos ImageNet10 y destaca su utilidad para realizar comprobaciones básicas y probar rápidamente modelos de visión artificial.
Citas y agradecimientos#
Si utilizas el conjunto de datos ImageNet10 en tu trabajo de investigación o desarrollo, cita el artículo original de 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}
}Queremos dar las gracias al equipo de ImageNet, dirigido por Olga Russakovsky, Jia Deng y Li Fei-Fei, por crear y mantener el conjunto de datos ImageNet. El subconjunto ImageNet10, creado por Ultralytics, es un recurso valioso para realizar pruebas y depurar rápidamente en la comunidad de investigación de aprendizaje automático y visión artificial. Para obtener más información sobre el conjunto de datos ImageNet y sus creadores, visita el sitio web de ImageNet.
Preguntas frecuentes#
El conjunto de datos ImageNet10 es un subconjunto compacto de la base de datos ImageNet, creado por Ultralytics para realizar pruebas rápidas de CI, comprobaciones básicas y evaluaciones de canalizaciones de entrenamiento. Contiene 24 imágenes (12 de entrenamiento y 12 de validación) de las 10 primeras clases de ImageNet. A pesar de su reducido tamaño, conserva la estructura de carpetas WordNet del conjunto de datos completo, por lo que es ideal para probar rápidamente canalizaciones, pero no para comparar la precisión de los modelos.
ImageNet10 contiene 24 imágenes en total —12 para entrenamiento y 12 para validación— distribuidas entre las 10 primeras clases de ImageNet. Cada clase es un conjunto de sinónimos de WordNet almacenado en su propia carpeta, por lo que el conjunto de datos reproduce la estructura de ImageNet completo en una fracción de su tamaño.
Para probar tu modelo de clasificación con ImageNet10 a un tamaño de imagen de 224x224, utiliza los siguientes fragmentos de código.
Ejemplo de pruebafrom ultralytics import YOLO # Cargar un modelo model = YOLO("yolo26n-cls.pt") # Carga un modelo preentrenado (recomendado para el entrenamiento) # Entrenar el modelo results = model.train(data="imagenet10", epochs=5, imgsz=224)Consulta la página de entrenamiento para ver una lista completa de los argumentos disponibles.
ImageNet10 está diseñado específicamente para pruebas de CI, comprobaciones básicas y evaluaciones rápidas en canalizaciones de aprendizaje profundo. Sus 24 imágenes permiten iterar casi al instante, por lo que es ideal para la integración continua, donde la velocidad es crucial. Al conservar la estructura de carpetas del conjunto de datos ImageNet completo, permite comprobar de forma fiable la funcionalidad y corrección básicas de un modelo sin el coste de procesar un conjunto de datos grande.
Aunque tanto ImageNet10 como ImageNette son subconjuntos de ImageNet, tienen objetivos distintos. ImageNet10 contiene solo 24 imágenes de las 10 primeras clases, por lo que ocupa muy poco y resulta adecuado para pruebas de CI y comprobaciones básicas rápidas. En cambio, ImageNette contiene más de 13 000 imágenes de 10 clases fáciles de distinguir, por lo que es adecuado para entrenar y desarrollar modelos. ImageNet10 comprueba la funcionalidad de las canalizaciones, mientras que ImageNette es más apropiado para realizar experimentos de entrenamiento significativos, pero más rápidos que los que utilizan ImageNet completo.