Jeu de données ImageNet
ImageNet est une base de données à grande échelle d'images annotées conçue pour être utilisée dans la recherche sur la reconnaissance visuelle d'objets. Elle contient plus de 14 millions d'images, chaque image étant annotée à l'aide de synsets WordNet, ce qui en fait l'une des ressources les plus complètes disponibles pour l'entraînement de modèles d'apprentissage profond dans les tâches de vision par ordinateur.
Modèles préformés ImageNet
Modèle | taille (pixels) |
acc top1 |
acc top5 |
Vitesse CPU ONNX (ms) |
Vitesse T4 TensorRT10 (ms) |
params (M) |
FLOPs (B) Ă 640 |
---|---|---|---|---|---|---|---|
YOLO11n-cls | 224 | 70.0 | 89.4 | 5.0 ± 0.3 | 1.1 ± 0.0 | 1.6 | 3.3 |
YOLO11s-cls | 224 | 75.4 | 92.7 | 7.9 ± 0.2 | 1.3 ± 0.0 | 5.5 | 12.1 |
YOLO11m-cls | 224 | 77.3 | 93.9 | 17.2 ± 0.4 | 2.0 ± 0.0 | 10.4 | 39.3 |
YOLO11l-cls | 224 | 78.3 | 94.3 | 23.2 ± 0.3 | 2.8 ± 0.0 | 12.9 | 49.4 |
YOLO11x-cls | 224 | 79.5 | 94.9 | 41.4 ± 0.9 | 3.8 ± 0.0 | 28.4 | 110.4 |
Caractéristiques principales
- ImageNet contient plus de 14 millions d'images à haute résolution couvrant des milliers de catégories d'objets.
- L'ensemble de données est organisé selon la hiérarchie WordNet, chaque synset représentant une catégorie.
- ImageNet est largement utilisé pour la formation et l'évaluation comparative dans le domaine de la vision par ordinateur, en particulier pour les tâches de classification d'images et de détection d'objets.
- Le concours annuel de reconnaissance visuelle à grande échelle ImageNet (ILSVRC) a joué un rôle déterminant dans l'avancement de la recherche sur la vision par ordinateur.
Structure de l'ensemble de données
L'ensemble de données ImageNet est organisé selon la hiérarchie WordNet. Chaque nœud de la hiérarchie représente une catégorie, et chaque catégorie est décrite par un synset (une collection de termes synonymes). Les images d'ImageNet sont annotées avec un ou plusieurs synsets, ce qui constitue une ressource riche pour l'apprentissage de modèles de reconnaissance d'objets divers et de leurs relations.
DĂ©fi ImageNet de reconnaissance visuelle Ă grande Ă©chelle (ILSVRC)
Le concours annuel de reconnaissance visuelle à grande échelle ImageNet (ILSVRC) est un événement important dans le domaine de la vision par ordinateur. Il a fourni une plateforme aux chercheurs et aux développeurs pour évaluer leurs algorithmes et leurs modèles sur un ensemble de données à grande échelle avec des métriques d'évaluation standardisées. L'ILSVRC a permis des avancées significatives dans le développement de modèles d'apprentissage profond pour la classification d'images, la détection d'objets et d'autres tâches de vision par ordinateur.
Applications
L'ensemble de données ImageNet est largement utilisé pour la formation et l'évaluation de modèles d'apprentissage profond dans diverses tâches de vision par ordinateur, telles que la classification d'images, la détection d'objets et la localisation d'objets. Certaines architectures d'apprentissage profond populaires, telles que AlexNet, VGG et ResNet, ont été développées et évaluées à l'aide de l'ensemble de données ImageNet.
Utilisation
Pour entraîner un modèle d'apprentissage profond sur l'ensemble de données ImageNet pour 100 époques avec une taille d'image de 224x224, vous pouvez utiliser les extraits de code suivants. Pour obtenir une liste complète des arguments disponibles, reportez-vous à la page Formation du modèle.
Exemple de train
Exemples d'images et d'annotations
L'ensemble de données ImageNet contient des images à haute résolution couvrant des milliers de catégories d'objets, ce qui constitue un ensemble de données diversifié et étendu pour l'entraînement et l'évaluation des modèles de vision par ordinateur. Voici quelques exemples d'images tirées de l'ensemble de données :
L'exemple montre la variété et la complexité des images de l'ensemble de données ImageNet, soulignant l'importance d'un ensemble de données diversifié pour l'apprentissage de modèles de vision artificielle robustes.
Citations et remerciements
Si vous utilisez l'ensemble de données ImageNet dans vos travaux de recherche ou de développement, veuillez citer l'article suivant :
@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}
}
Nous tenons à remercier l'équipe ImageNet, dirigée par Olga Russakovsky, Jia Deng et Li Fei-Fei, pour la création et la maintenance de l'ensemble de données ImageNet, qui constitue une ressource précieuse pour la communauté des chercheurs en apprentissage automatique et en vision par ordinateur. Pour plus d'informations sur l'ensemble de données ImageNet et ses créateurs, visitez le site web ImageNet.
FAQ
Qu'est-ce que l'ensemble de données ImageNet et comment est-il utilisé dans le domaine de la vision artificielle ?
L'ensemble de données ImageNet est une base de données à grande échelle composée de plus de 14 millions d'images haute résolution classées à l'aide des synsets WordNet. Il est largement utilisé dans la recherche sur la reconnaissance visuelle d'objets, y compris la classification d'images et la détection d'objets. Les annotations et le volume de l'ensemble de données constituent une ressource riche pour l'entraînement des modèles d'apprentissage profond. Des modèles comme AlexNet, VGG et ResNet ont notamment été formés et évalués à l'aide d'ImageNet, ce qui témoigne de son rôle dans l'avancement de la vision par ordinateur.
Comment puis-je utiliser un modèle YOLO pré-entraîné pour la classification d'images sur l'ensemble de données ImageNet ?
Pour utiliser un modèle Ultralytics YOLO pré-entraîné pour la classification d'images sur l'ensemble de données ImageNet, procédez comme suit :
Exemple de train
Pour des instructions de formation plus approfondies, consultez notre page Formation.
Pourquoi devrais-je utiliser les modèles pré-entraînés Ultralytics YOLO11 pour mes projets sur le jeu de données ImageNet ?
Ultralytics YOLO11 offrent des performances de pointe en termes de vitesse et de précision pour diverses tâches de vision par ordinateur. Par exemple, le modèle YOLO11n-cls, avec une précision de 69,0 % dans le top 1 et de 88,3 % dans le top 5, est optimisé pour les applications en temps réel. Les modèles pré-entraînés réduisent les ressources informatiques nécessaires à l'entraînement à partir de zéro et accélèrent les cycles de développement. Pour en savoir plus sur les mesures de performance des modèles YOLO11 , consultez la section Modèles préformés ImageNet.
Comment l'ensemble de données ImageNet est-il structuré et pourquoi est-il important ?
L'ensemble de données ImageNet est organisé selon la hiérarchie WordNet, où chaque nœud de la hiérarchie représente une catégorie décrite par un synset (une collection de termes synonymes). Cette structure permet des annotations détaillées, ce qui en fait un outil idéal pour former des modèles de reconnaissance d'une grande variété d'objets. La diversité et la richesse des annotations d'ImageNet en font un ensemble de données précieux pour développer des modèles d'apprentissage profond robustes et généralisables. Pour en savoir plus sur cette organisation, consultez la section Structure du jeu de données.
Quel rĂ´le joue le concours de reconnaissance visuelle Ă grande Ă©chelle ImageNet (ILSVRC) dans le domaine de la vision par ordinateur ?
Le concours annuel ImageNet Large Scale Visual Recognition Challenge (ILSVRC ) a joué un rôle essentiel dans les progrès réalisés dans le domaine de la vision par ordinateur en fournissant une plateforme compétitive pour l'évaluation des algorithmes sur un ensemble de données normalisées à grande échelle. Il offre des mesures d'évaluation standardisées, encourageant l'innovation et le développement dans des domaines tels que la classification d'images, la détection d'objets et la segmentation d'images. Le défi a continuellement repoussé les limites de ce qui est possible avec les technologies d'apprentissage profond et de vision par ordinateur.