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 clases de razas de perros deliberadamente difíciles de distinguir, creado por fast.ai como un desafío más exigente para los algoritmos de clasificación de imágenes. Contiene 12.954 imágenes en color —9.025 para entrenamiento y 3.929 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 perros: terrier australiano, Border terrier, samoyedo, Beagle, Shih-Tzu, foxhound inglés, ridgeback rodesiano, dingo, Golden retriever y antiguo pastor inglés.
• Incluye una división predefinida de 9.025 imágenes de entrenamiento y 3.929 de validación, disponible en varias resoluciones (tamaño completo, 320 px y 160 px) para adaptarse a distintos presupuestos computacionales.
• También incluye una versión con etiquetas ruidosas, que proporciona un escenario más realista en el que las etiquetas no siempre son fiables.

Estructura del dataset#

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

Como las 10 clases son razas de perros, 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 en clases más complejas y similares. Su dificultad reside en las diferencias sutiles entre las razas de perros, lo que lleva al límite el rendimiento y la 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 apariencia similar
• Desarrollar algoritmos capaces de distinguir diferencias visuales sutiles
• Evaluar el aprendizaje por transferencia de dominios generales a dominios 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 fragmentos de código siguientes. Para consultar una lista completa de los argumentos disponibles, visita la página de Entrenamiento del modelo.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
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 comparación de rendimiento.
2. Tamaño mediano (imagewoof320): Imágenes redimensionadas a una longitud máxima del lado de 320 píxeles, adecuadas para entrenamientos más rápidos sin sacrificar significativamente el rendimiento del modelo.
3. Tamaño pequeño (imagewoof160): Imágenes redimensionadas a una longitud máxima del lado de 160 píxeles, diseñadas para la creación rápida de prototipos y la experimentación cuando la velocidad de entrenamiento es prioritaria.

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

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)

# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)

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

Imágenes de ejemplo y anotaciones#

El conjunto de datos ImageWoof contiene imágenes coloridas de varias razas de perros, lo que proporciona un conjunto de datos desafiante para las tareas de clasificación de imágenes. Estos son algunos ejemplos de imágenes del conjunto de datos:

El ejemplo muestra las diferencias y similitudes sutiles entre las distintas razas de perros, y pone de manifiesto la complejidad y dificultad de la tarea de clasificación.

Citas y agradecimientos#

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

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

Preguntas frecuentes#