Jeu de données ImageNet10#
Le jeu de données ImageNet10 d’Ultralytics (data="imagenet10") est un minuscule sous-ensemble de ImageNet comprenant 24 images issues de ses 10 premières classes. Il est conçu pour les tests d’intégration continue, les vérifications rapides et la validation accélérée des pipelines d’entraînement. Il contient 12 images d’entraînement et 12 images de validation, organisées selon la même structure de dossiers par synset WordNet que le jeu de données complet. Ainsi, un modèle entraîné sur ImageNet peut être entraîné sur ImageNet10 sans modification — en quelques secondes au lieu de plusieurs heures. Ce jeu de données sert à vérifier qu’un pipeline fonctionne de bout en bout, et non à comparer l’exactitude des modèles.
Fonctionnalités clés#
- ImageNet10 contient seulement 24 images (12 pour l’entraînement et 12 pour la validation) issues des 10 premières classes d’ImageNet.
- Le jeu de données est organisé selon la hiérarchie WordNet et reprend les dossiers par synset du jeu de données ImageNet complet.
- Il est spécialement conçu pour les tests d’intégration continue, les vérifications rapides et le débogage accéléré des pipelines d’entraînement pour les tâches de vision par ordinateur.
- Bien qu’il ne soit pas conçu pour comparer des modèles, il donne rapidement une indication sur leur fonctionnement de base et leur bon fonctionnement.
Structure du jeu de données#
ImageNet10 est fourni avec une partition prédéfinie, qui utilise les 10 premières classes du jeu de données ImageNet complet (n01440764 tench à n01518878 ostrich) :
| Partition | Images | Classes |
|---|---|---|
| Entraînement | 12 | 10 |
| Validation | 12 | 10 |
Chacune des 10 classes est un synset WordNet (un ensemble de termes synonymes), et les images sont placées dans des dossiers par classe nommés selon leur identifiant de synset — la structure exacte attendue pour l’entraînement à la classification avec Ultralytics. ImageNet10 constitue ainsi un substitut compact et fidèle à la structure du jeu de données complet pour vérifier qu’un modèle reconnaît le format de dossiers attendu.
Explore ImageNet10 sur Ultralytics Platform pour parcourir les images regroupées par classe, consulter la répartition des classes dans l’onglet Graphiques et cloner le jeu de données afin d’entraîner ton propre modèle dans le cloud.
Applications#
Le jeu de données ImageNet10 est utile pour tester et déboguer rapidement des modèles et des pipelines de vision par ordinateur. Sa petite taille permet d’itérer rapidement, ce qui en fait un outil idéal pour les tests d’intégration continue et les vérifications rapides. Il est également pratique pour tester rapidement et de manière préliminaire de nouveaux modèles ou des modifications de code avant de passer à des exécutions à grande échelle avec le jeu de données ImageNet complet.
Utilisation#
Pour tester un modèle de classification sur le jeu de données ImageNet10 avec une taille d’image de 224x224, utilise les extraits de code ci-dessous. Pour consulter la liste complète des arguments disponibles, consulte la page Entraînement du modèle.
from ultralytics import YOLO
# Charger un modèle
model = YOLO("yolo26n-cls.pt") # charger un modèle préentraîné (recommandé pour l’entraînement)
# Entraîner le modèle
results = model.train(data="imagenet10", epochs=5, imgsz=224)Exemples d’images et annotations#
Le jeu de données ImageNet10 contient un sous-ensemble d’images du jeu de données ImageNet original, sélectionnées pour représenter ses 10 premières classes et fournir une ressource variée, mais compacte, pour des tests et des évaluations rapides.
Cet exemple illustre la variété et la complexité des images du jeu de données ImageNet10, soulignant son utilité pour les vérifications de cohérence et les tests rapides des modèles de vision par ordinateur.
Citations et remerciements#
Si tu utilises le jeu de données ImageNet10 dans tes travaux de recherche ou de développement, cite l’article original sur 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}
}Nous tenons à remercier l’équipe ImageNet, dirigée par Olga Russakovsky, Jia Deng et Li Fei-Fei, pour avoir créé et maintenu le jeu de données ImageNet. Le sous-ensemble ImageNet10, créé par Ultralytics, est une ressource précieuse pour les tests rapides et le débogage au sein de la communauté de l’apprentissage automatique et de la recherche en vision par ordinateur. Pour en savoir plus sur le jeu de données ImageNet et ses créateurs, consulte le site Web d’ImageNet.
FAQ#
Le jeu de données ImageNet10 est un sous-ensemble compact de la base de données ImageNet, créé par Ultralytics pour les tests CI rapides, les vérifications de cohérence et l’évaluation des pipelines d’entraînement. Il contient 24 images (12 pour l’entraînement et 12 pour la validation) issues des 10 premières classes d’ImageNet. Malgré sa petite taille, il conserve la structure de dossiers WordNet du jeu de données complet, ce qui le rend idéal pour tester rapidement les pipelines, mais pas pour évaluer la précision des modèles.
ImageNet10 contient 24 images au total — 12 pour l’entraînement et 12 pour la validation — réparties entre les 10 premières classes d’ImageNet. Chaque classe correspond à un synset WordNet stocké dans son propre dossier : le jeu de données reproduit ainsi l’organisation du jeu de données ImageNet complet en occupant une fraction de sa taille.
Pour tester ton modèle de classification sur ImageNet10 avec des images de 224x224 pixels, utilise les extraits de code suivants.
Exemple de testfrom ultralytics import YOLO # Charger un modèle model = YOLO("yolo26n-cls.pt") # charger un modèle préentraîné (recommandé pour l’entraînement) # Entraîner le modèle results = model.train(data="imagenet10", epochs=5, imgsz=224)Consulte la page Entraînement pour obtenir la liste complète des arguments disponibles.
ImageNet10 est conçu spécialement pour les tests CI, les vérifications de cohérence et les évaluations rapides des pipelines d’apprentissage profond. Avec seulement 24 images, il permet d’itérer presque instantanément et convient donc parfaitement à l’intégration continue, où la rapidité est essentielle. En conservant la structure de dossiers du jeu de données ImageNet complet, il permet de vérifier de manière fiable les fonctionnalités de base et le bon fonctionnement d’un modèle, sans avoir à traiter un grand jeu de données.
ImageNet10 et ImageNette sont tous deux des sous-ensembles d’ImageNet, mais répondent à des besoins différents. ImageNet10 ne contient que 24 images issues des 10 premières classes, ce qui en fait un jeu de données extrêmement léger pour les tests CI et les vérifications de cohérence rapides. En revanche, ImageNette contient plus de 13 000 images réparties entre 10 classes faciles à distinguer, ce qui le rend adapté à l’entraînement et au développement de modèles. ImageNet10 vérifie le bon fonctionnement du pipeline, tandis qu’ImageNette convient mieux aux expériences d’entraînement utiles, mais plus rapides que celles menées sur ImageNet complet.