Conjunto de datos ImageWoof#

12,951

ImageWoof

ultralytics

publicClassify

ImageWoof is fast.ai's fine-grained ImageNet subset spanning ten visually similar dog breeds. It provides a compact but challenging classification benchmark for learning subtle differences in coat, head shape, body structure, pose, and background context.

10 classes884 MBSep 2, 2026

Shih-TzuRhodesian ridgebackBeagleEnglish foxhound+6

image-classificationimagewoofimagenet+2

El conjunto de datos ImageWoof es un subconjunto de ImageNet compuesto por 10 razas de perro deliberadamente difíciles de distinguir, creado por fast.ai como un reto más exigente para los algoritmos de clasificación de imágenes. Contiene 12 954 imágenes en color —9025 para entrenamiento y 3929 para validación— de razas como beagle, shih tzu y golden retriever, lo que obliga a los modelos a distinguir diferencias sutiles y detalladas, en lugar de categorías de objetos evidentes.

Características principales#

• ImageWoof contiene 12 954 imágenes de 10 razas de perro: terrier australiano, border terrier, samoyedo, beagle, shih tzu, foxhound inglés, ridgeback rodesiano, dingo, golden retriever y bobtail.
• Incluye una división predefinida de 9025 imágenes para entrenamiento y 3929 para validación, disponible en varias resoluciones (tamaño completo, 320px y 160px) para adaptarse a distintos presupuestos computacionales.
• También incluye una versión con etiquetas ruidosas, que ofrece un escenario más realista en el que las etiquetas no siempre son fiables.

Estructura del conjunto de datos#

ImageWoof incluye una división predefinida de entrenamiento y validación, con cada raza de perro almacenada en su propia carpeta:

Como las 10 clases son razas de perro, la división está diseñada para poner a prueba la clasificación detallada —distinguir categorías visualmente similares—, en lugar del reconocimiento general de objetos del conjunto de datos ImageNet completo.

Aplicaciones#

El conjunto de datos ImageWoof se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo con clases más complejas y similares. El reto reside en las diferencias sutiles entre las razas de perro, que llevan al límite el rendimiento y la capacidad de generalización de los modelos. Es especialmente útil para:

• Comparar el rendimiento de clasificación en categorías detalladas
• Probar la robustez de los modelos frente a clases de aspecto similar
• Desarrollar algoritmos capaces de distinguir diferencias visuales sutiles
• Evaluar la transferencia del aprendizaje de dominios generales a específicos

Uso#

Para entrenar un modelo de clasificación con el conjunto de datos ImageWoof durante 100 épocas y con un tamaño de imagen de 224x224, utiliza los siguientes fragmentos de código. 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="imagewoof", epochs=100, imgsz=224)

Variantes del conjunto de datos#

ImageWoof está disponible en tres tamaños para adaptarse a distintas necesidades de investigación y presupuestos computacionales:

1. Tamaño completo (imagewoof): La versión original con imágenes de tamaño completo, ideal para el entrenamiento final y la evaluación comparativa del rendimiento.
2. Tamaño mediano (imagewoof320): Imágenes redimensionadas con una longitud máxima del borde de 320 píxeles, adecuadas para entrenar más rápido sin sacrificar significativamente el rendimiento del modelo.
3. Tamaño pequeño (imagewoof160): Imágenes redimensionadas con una longitud máxima del borde de 160 píxeles, pensadas para crear prototipos y experimentar rápidamente cuando la prioridad es la velocidad de entrenamiento.

Para utilizar estas variantes, solo tienes que sustituir imagewoof por imagewoof320 o imagewoof160 en el argumento del conjunto de datos. Por ejemplo:

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-cls.pt")  # Carga un modelo preentrenado (recomendado para el entrenamiento)

# Para el conjunto de datos de tamaño mediano
model.train(data="imagewoof320", epochs=100, imgsz=224)

# Para el conjunto de datos de tamaño pequeño
model.train(data="imagewoof160", epochs=100, imgsz=224)

Ten en cuenta que las imágenes más pequeñas probablemente darán lugar a una menor precisión de clasificación, pero son una forma excelente de iterar rápidamente en las primeras etapas del desarrollo del modelo. También puedes gestionar conjuntos de datos de clasificación y ejecutar entrenamientos en la nube con Ultralytics Platform.

Imágenes de muestra y anotaciones#

El conjunto de datos ImageWoof contiene imágenes en color de diversas razas de perro, lo que supone un reto para las tareas de clasificación de imágenes. Aquí tienes algunos ejemplos de imágenes del conjunto de datos:

El ejemplo muestra las diferencias sutiles y las similitudes entre las distintas razas de perro, y destaca la complejidad y dificultad de la tarea de clasificación.

Citas y agradecimientos#

Si utilizas el conjunto de datos ImageWoof en tu trabajo de investigación o desarrollo, menciona a sus creadores enlazando al repositorio oficial del conjunto de datos.

Queremos dar las gracias al equipo de fast.ai por crear y mantener ImageWoof como un recurso valioso para la comunidad de investigación de aprendizaje automático y visión artificial. Para obtener más información sobre ImageWoof, visita el repositorio del conjunto de datos ImageWoof.

Preguntas frecuentes#