Dataset ImageNet10#
Il set di dati Ultralytics ImageNet10 (data="imagenet10") è un minuscolo sottoinsieme di 24 immagini di ImageNet che copre le sue prime 10 classi, creato per i test di CI, i controlli di sanità e la convalida rapida delle pipeline di addestramento. Contiene 12 immagini di addestramento e 12 di validazione organizzate nella stessa struttura di cartelle WordNet-synset del set di dati completo, in modo che un modello che si addestra su ImageNet si addestra su ImageNet10 senza modifiche — in pochi secondi invece di ore. È progettato per verificare che una pipeline funzioni end-to-end, non per effettuare il benchmarking della precisione.
Caratteristiche principali#
- ImageNet10 contiene solo 24 immagini (12 per il training, 12 per la validazione) tratte dalle prime 10 classi di ImageNet.
- Il dataset è organizzato secondo la gerarchia WordNet, rispecchiando le cartelle synset per classe del dataset ImageNet completo.
- È progettato specificamente per test di integrazione continua, controlli di sanità e debug rapido delle pipeline di addestramento nelle attività di computer vision.
- Sebbene non sia progettato per il benchmarking dei modelli, fornisce una rapida indicazione della funzionalità di base e della correttezza di un modello.
Struttura del dataset#
ImageNet10 include una suddivisione predefinita, utilizzando le prime 10 classi del set di dati ImageNet completo (n01440764 tinche fino a n01518878 struzzo):
| Split | Immagini | Classi |
|---|---|---|
| Addestramento | 12 | 10 |
| Validazione | 12 | 10 |
Ognuna delle 10 classi è un synset WordNet (un insieme di termini sinonimi) e le immagini si trovano in cartelle per classe denominate tramite ID synset: il layout esatto che l'addestramento alla classificazione di Ultralytics si aspetta. Questo rende ImageNet10 un sostituto compatto e strutturalmente fedele al dataset completo quando si verifica che un modello riconosca il formato di cartella previsto.
Esplora ImageNet10 su Ultralytics Platform per sfogliare le immagini raggruppate per classe, visualizzare la distribuzione delle classi nella scheda Grafici e clonarlo per addestrare il tuo modello nel cloud.
Applicazioni#
Il set di dati ImageNet10 è utile per testare ed effettuare il debug rapidamente di modelli e pipeline di computer vision. Le sue ridotte dimensioni consentono un'iterazione rapida, rendendolo ideale per test di integrazione continua e controlli di sanità. È anche utile per test preliminari veloci di nuovi modelli o modifiche al codice prima di passare a esecuzioni su scala completa con il set di dati ImageNet completo.
Utilizzo#
Per testare un modello di classificazione sul set di dati ImageNet10 a una dimensione di immagine di 224x224, usa i frammenti di codice sottostanti. Per un elenco completo degli argomenti disponibili, fai riferimento alla pagina Training del modello.
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="imagenet10", epochs=5, imgsz=224)Esempi di immagini e annotazioni#
Il dataset ImageNet10 contiene un sottoinsieme di immagini dal dataset ImageNet originale, scelte per rappresentare le sue prime 10 classi e fornire una risorsa diversificata ma compatta per test e valutazioni rapidi.
L'esempio mostra la varietà e la complessità delle immagini nel dataset ImageNet10, evidenziando la sua utilità per controlli di integrità e test rapidi di modelli di computer vision.
Citazioni e riconoscimenti#
Se utilizzi il dataset ImageNet10 nel tuo lavoro di ricerca o sviluppo, cita il paper originale di 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}
}Vorremmo ringraziare il team di ImageNet, guidato da Olga Russakovsky, Jia Deng e Li Fei-Fei, per la creazione e la manutenzione del set di dati ImageNet. Il sottoinsieme ImageNet10, creato da Ultralytics, è una risorsa preziosa per test rapidi e debug nella comunità di ricerca di machine learning e computer vision. Per ulteriori informazioni sul set di dati ImageNet e sui suoi creatori, visita il sito Web di ImageNet.
FAQ#
Il set di dati ImageNet10 è un sottoinsieme compatto del database ImageNet, creato da Ultralytics per rapidi test di CI, controlli di sanità e valutazioni delle pipeline di addestramento. Contiene 24 immagini (12 di addestramento e 12 di validazione) delle prime 10 classi di ImageNet. Nonostante le sue ridotte dimensioni, preserva la struttura delle cartelle WordNet del set di dati completo, rendendolo ideale per test rapidi delle pipeline ma non per il benchmarking dell'accuratezza del modello.
ImageNet10 contiene 24 immagini in totale — 12 per il training e 12 per la validazione — distribuite nelle prime 10 classi di ImageNet. Ogni classe è un synset WordNet memorizzato nella propria cartella, quindi il dataset rispecchia il layout del dataset ImageNet completo in una frazione delle dimensioni.
Per testare il tuo modello di classificazione su ImageNet10 a una dimensione dell'immagine di 224x224, utilizza i seguenti snippet di codice.
Esempio di Testfrom 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="imagenet10", epochs=5, imgsz=224)Fai riferimento alla pagina di Training per un elenco completo degli argomenti disponibili.
ImageNet10 è progettato specificamente per test di CI, controlli di sanità e valutazioni rapide nelle pipeline di deep learning. La sua dimensione di 24 immagini consente un'iterazione quasi istantanea, rendendolo ideale per l'integrazione continua dove la velocità è fondamentale. Preservando la struttura delle cartelle del set di dati ImageNet completo, offre un controllo affidabile della funzionalità di base e della correttezza di un modello senza il sovraccarico di elaborare un set di dati di grandi dimensioni.
Sebbene sia ImageNet10 che ImageNette siano sottoinsiemi di ImageNet, servono a scopi diversi. ImageNet10 contiene solo 24 immagini dalle prime 10 classi, risultando estremamente leggero per i test di CI e rapidi controlli di sanità. Al contrario, ImageNette contiene oltre 13.000 immagini divise in 10 classi facilmente distinguibili, rendendolo adatto all'addestramento e allo sviluppo effettivi dei modelli. ImageNet10 verifica la funzionalità della pipeline, mentre ImageNette è migliore per esperimenti di addestramento significativi ma più veloci rispetto all'ImageNet completo.