Dataset ImageNet
ImageNet è un database su larga scala di immagini annotate progettato per l'uso nella ricerca sul riconoscimento visivo degli oggetti. Contiene oltre 14 milioni di immagini, con ogni immagine annotata utilizzando i synset di WordNet, rendendolo una delle risorse più estese disponibili per l'addestramento di modelli di deep learning in attività di computer vision.
Modelli pre-addestrati ImageNet
Modello | dimensione (pixel) |
acc top1 |
acc top5 |
Velocità CPU ONNX (ms) |
Velocità T4 TensorRT10 (ms) |
parametri (M) |
FLOPs (B) a 224 |
---|---|---|---|---|---|---|---|
YOLO11n-cls | 224 | 70.0 | 89.4 | 5.0 ± 0.3 | 1.1 ± 0.0 | 1.6 | 0.5 |
YOLO11s-cls | 224 | 75.4 | 92.7 | 7.9 ± 0.2 | 1.3 ± 0.0 | 5.5 | 1.6 |
YOLO11m-cls | 224 | 77.3 | 93.9 | 17.2 ± 0.4 | 2.0 ± 0.0 | 10.4 | 5.0 |
YOLO11l-cls | 224 | 78.3 | 94.3 | 23.2 ± 0.3 | 2.8 ± 0.0 | 12.9 | 6.2 |
YOLO11x-cls | 224 | 79.5 | 94.9 | 41.4 ± 0.9 | 3.8 ± 0.0 | 28.4 | 13.7 |
Caratteristiche principali
- ImageNet contiene oltre 14 milioni di immagini ad alta risoluzione che coprono migliaia di categorie di oggetti.
- Il dataset è organizzato secondo la gerarchia di WordNet, con ogni synset che rappresenta una categoria.
- ImageNet è ampiamente utilizzato per l'addestramento e il benchmarking nel campo della computer vision, in particolare per attività di classificazione delle immagini e rilevamento di oggetti.
- L'ImageNet Large Scale Visual Recognition Challenge (ILSVRC) annuale è stato determinante nel far progredire la ricerca sulla computer vision.
Struttura del set di dati
Il set di dati ImageNet è organizzato utilizzando la gerarchia di WordNet. Ogni nodo nella gerarchia rappresenta una categoria e ogni categoria è descritta da un synset (una raccolta di termini sinonimi). Le immagini in ImageNet sono annotate con uno o più synset, fornendo una ricca risorsa per l'addestramento di modelli per riconoscere vari oggetti e le loro relazioni.
ImageNet Large Scale Visual Recognition Challenge (ILSVRC)
L'ImageNet Large Scale Visual Recognition Challenge (ILSVRC) annuale è stato un evento importante nel campo della computer vision. Ha fornito una piattaforma per ricercatori e sviluppatori per valutare i propri algoritmi e modelli su un dataset su larga scala con metriche di valutazione standardizzate. L'ILSVRC ha portato a progressi significativi nello sviluppo di modelli di deep learning per la classificazione delle immagini, l'object detection e altre attività di computer vision.
Applicazioni
Il dataset ImageNet è ampiamente utilizzato per l'addestramento e la valutazione di modelli di deep learning in varie attività di computer vision, come la classificazione delle immagini, il rilevamento degli oggetti e la localizzazione degli oggetti. Alcune architetture di deep learning popolari, come AlexNet, VGG e ResNet, sono state sviluppate e valutate utilizzando il dataset ImageNet.
Utilizzo
Per addestrare un modello di deep learning sul dataset ImageNet per 100 epoche con una dimensione dell'immagine di 224x224, è possibile utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consultare la pagina di Training del modello.
Esempio di addestramento
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224
Immagini di esempio e annotazioni
Il set di dati ImageNet contiene immagini ad alta risoluzione che coprono migliaia di categorie di oggetti, fornendo un set di dati diversificato ed esteso per l'addestramento e la valutazione di modelli di visione artificiale. Ecco alcuni esempi di immagini dal set di dati:
L'esempio mostra la varietà e la complessità delle immagini nel dataset ImageNet, evidenziando l'importanza di un dataset diversificato per l'addestramento di modelli di computer vision robusti.
Citazioni e ringraziamenti
Se utilizzi il dataset ImageNet nel tuo lavoro di ricerca o sviluppo, cita il seguente articolo:
@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}
}
Desideriamo ringraziare il team di ImageNet, guidato da Olga Russakovsky, Jia Deng e Li Fei-Fei, per aver creato e mantenuto il dataset ImageNet come risorsa preziosa per la comunità di ricerca nel campo dell'apprendimento automatico e della computer vision. Per maggiori informazioni sul dataset ImageNet e sui suoi creatori, visitare il sito web di ImageNet.
FAQ
Cos'è il dataset ImageNet e come viene utilizzato nella computer vision?
Il dataset ImageNet è un database su larga scala composto da oltre 14 milioni di immagini ad alta risoluzione classificate utilizzando i synset di WordNet. È ampiamente utilizzato nella ricerca sul riconoscimento visivo degli oggetti, inclusa la classificazione delle immagini e il rilevamento degli oggetti. Le annotazioni e l'enorme volume del dataset forniscono una ricca risorsa per l'addestramento di modelli di deep learning. In particolare, modelli come AlexNet, VGG e ResNet sono stati addestrati e valutati utilizzando ImageNet, dimostrando il suo ruolo nel progresso della computer vision.
Come posso usare un modello YOLO pre-addestrato per la classificazione di immagini sul dataset ImageNet?
Per utilizzare un modello Ultralytics YOLO pre-addestrato per la classificazione di immagini sul dataset ImageNet, segui questi passaggi:
Esempio di addestramento
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224
Per istruzioni di training più approfondite, consulta la nostra pagina di training.
Perché dovrei usare i modelli pre-addestrati Ultralytics YOLO11 per i miei progetti di dataset ImageNet?
I modelli pre-addestrati Ultralytics YOLO11 offrono prestazioni all'avanguardia in termini di velocità e accuratezza per varie attività di computer vision. Ad esempio, il modello YOLO11n-cls, con una precisione top-1 del 70.0% e una precisione top-5 dell'89.4%, è ottimizzato per applicazioni in tempo reale. I modelli pre-addestrati riducono le risorse computazionali necessarie per l'addestramento da zero e accelerano i cicli di sviluppo. Scopri di più sulle metriche di performance dei modelli YOLO11 nella sezione Modelli pre-addestrati ImageNet.
Come è strutturato il dataset ImageNet e perché è importante?
Il set di dati ImageNet è organizzato utilizzando la gerarchia di WordNet, dove ogni nodo nella gerarchia rappresenta una categoria descritta da un synset (una raccolta di termini sinonimi). Questa struttura consente annotazioni dettagliate, rendendolo ideale per l'addestramento di modelli per riconoscere un'ampia varietà di oggetti. La diversità e la ricchezza di annotazioni di ImageNet lo rendono un set di dati prezioso per lo sviluppo di modelli di deep learning robusti e generalizzabili. Maggiori informazioni su questa organizzazione sono disponibili nella sezione Struttura del set di dati.
Che ruolo svolge l'ImageNet Large Scale Visual Recognition Challenge (ILSVRC) nel campo della computer vision?
L'ImageNet Large Scale Visual Recognition Challenge (ILSVRC) annuale è stato fondamentale per promuovere i progressi nella computer vision, fornendo una piattaforma competitiva per la valutazione degli algoritmi su un dataset standardizzato su larga scala. Offre metriche di valutazione standardizzate, promuovendo l'innovazione e lo sviluppo in aree quali la classificazione delle immagini, l'object detection e la segmentazione delle immagini. La challenge ha continuamente spinto i confini di ciò che è possibile con il deep learning e le tecnologie di computer vision.