ImageNet 데이터 세트

ImageNet은 시각적 객체 인식 연구에 사용하도록 설계된 주석이 달린 이미지의 대규모 데이터베이스입니다. 1,400만 개가 넘는 이미지를 포함하고 있으며, 각 이미지는 WordNet synsets를 사용하여 주석이 달려 있어 컴퓨터 비전 작업에서 딥러닝 모델을 훈련하는 데 사용할 수 있는 가장 광범위한 리소스 중 하나입니다.

ImageNet 사전 훈련된 모델

주요 기능

• ImageNet은 수천 개의 객체 범주에 걸쳐 1,400만 개 이상의 고해상도 이미지를 포함합니다.
• 이 데이터 세트는 WordNet 계층 구조에 따라 구성되며, 각 synset은 카테고리를 나타냅니다.
• ImageNet은 컴퓨터 비전 분야, 특히 이미지 분류 및 객체 탐지 작업에서 훈련 및 벤치마킹에 널리 사용됩니다.
• 연례 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)는 컴퓨터 비전 연구 발전에 중요한 역할을 했습니다.

데이터 세트 구조

ImageNet 데이터 세트는 WordNet 계층 구조를 사용하여 구성됩니다. 계층 구조의 각 노드는 범주를 나타내고 각 범주는 synset(동의어 모음)으로 설명됩니다. ImageNet의 이미지는 하나 이상의 synset으로 주석이 달려 있어 다양한 객체와 그 관계를 인식하도록 모델을 훈련하기 위한 풍부한 리소스를 제공합니다.

ImageNet 대규모 시각 인식 챌린지 (ILSVRC)

연례 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)는 컴퓨터 비전 분야에서 중요한 행사였습니다. 연구원과 개발자가 표준화된 평가 지표를 사용하여 대규모 데이터 세트에서 알고리즘과 모델을 평가할 수 있는 플랫폼을 제공했습니다. ILSVRC는 이미지 분류, 객체 감지 및 기타 컴퓨터 비전 작업을 위한 딥 러닝 모델 개발에 상당한 발전을 가져왔습니다.

응용 분야

ImageNet 데이터 세트는 이미지 분류, 객체 감지 및 객체 위치 파악과 같은 다양한 컴퓨터 비전 작업에서 딥러닝 모델을 훈련하고 평가하는 데 널리 사용됩니다. AlexNet, VGG 및 ResNet과 같은 일부 인기 있는 딥러닝 아키텍처는 ImageNet 데이터 세트를 사용하여 개발되고 벤치마킹되었습니다.

사용법

224x224 이미지 크기로 ImageNet 데이터 세트에서 딥 러닝 모델을 100 epochs 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 포괄적인 목록은 모델 Training 페이지를 참조하십시오.

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

샘플 이미지 및 주석

ImageNet 데이터 세트는 수천 개의 객체 범주에 걸쳐 있는 고해상도 이미지를 포함하고 있어 컴퓨터 비전 모델을 훈련하고 평가하기 위한 다양하고 광범위한 데이터 세트를 제공합니다. 다음은 데이터 세트의 이미지 예시입니다.

이 예는 ImageNet 데이터 세트의 이미지의 다양성과 복잡성을 보여주며 강력한 컴퓨터 비전 모델을 훈련하기 위한 다양한 데이터 세트의 중요성을 강조합니다.

인용 및 감사의 말씀

ImageNet 데이터 세트를 연구 또는 개발 작업에 사용하는 경우 다음 논문을 인용하십시오.

@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}
}

머신 러닝 및 컴퓨터 비전 연구 커뮤니티를 위한 귀중한 리소스인 ImageNet 데이터 세트를 만들고 유지 관리해 주신 Olga Russakovsky, Jia Deng, Li Fei-Fei가 이끄는 ImageNet 팀에게 감사를 드립니다. ImageNet 데이터 세트 및 제작자에 대한 자세한 내용은 ImageNet 웹사이트를 방문하십시오.

FAQ

ImageNet 데이터 세트는 무엇이며, 컴퓨터 비전에서 어떻게 사용됩니까?

ImageNet 데이터 세트는 WordNet 신셋을 사용하여 분류된 1,400만 개 이상의 고해상도 이미지로 구성된 대규모 데이터베이스입니다. 이미지 분류 및 객체 감지를 포함한 시각적 객체 인식 연구에 광범위하게 사용됩니다. 데이터 세트의 주석과 막대한 양은 딥 러닝 모델을 학습하는 데 풍부한 리소스를 제공합니다. 특히 AlexNet, VGG 및 ResNet과 같은 모델은 ImageNet을 사용하여 학습 및 벤치마킹되었으며 컴퓨터 비전 발전에 대한 역할을 보여줍니다.

ImageNet 데이터 세트에서 이미지 분류를 위해 사전 훈련된 YOLO 모델을 어떻게 사용할 수 있습니까?

ImageNet 데이터 세트에서 이미지 분류를 위해 사전 훈련된 Ultralytics YOLO 모델을 사용하려면 다음 단계를 따르십시오.

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

더 자세한 학습 지침은 학습 페이지를 참조하세요.

ImageNet 데이터 세트 프로젝트에 Ultralytics YOLO11 사전 훈련된 모델을 사용해야 하는 이유는 무엇인가요?

Ultralytics YOLO11 사전 훈련된 모델은 다양한 컴퓨터 비전 작업에서 속도와 정확도 면에서 최첨단 성능을 제공합니다. 예를 들어, YOLO11n-cls 모델은 top-1 정확도 70.0% 및 top-5 정확도 89.4%로 실시간 애플리케이션에 최적화되어 있습니다. 사전 훈련된 모델은 처음부터 훈련하는 데 필요한 컴퓨팅 리소스를 줄이고 개발 주기를 가속화합니다. YOLO11 모델의 성능 지표에 대한 자세한 내용은 ImageNet 사전 훈련된 모델 섹션에서 확인하십시오.

ImageNet 데이터 세트는 어떻게 구성되어 있으며 왜 중요한가요?

ImageNet 데이터 세트는 WordNet 계층 구조를 사용하여 구성됩니다. 여기서 계층 구조의 각 노드는 synset(동의어 모음)으로 설명되는 범주를 나타냅니다. 이 구조는 자세한 주석을 허용하여 광범위한 객체를 인식하도록 모델을 훈련하는 데 이상적입니다. ImageNet의 다양성과 풍부한 주석은 강력하고 일반화 가능한 딥러닝 모델을 개발하는 데 유용한 데이터 세트입니다. 이 구성에 대한 자세한 내용은 데이터 세트 구조 섹션에서 확인할 수 있습니다.

ImageNet 대규모 시각 인식 챌린지(ILSVRC)는 컴퓨터 비전에서 어떤 역할을 합니까?

연례 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)는 대규모 표준화된 데이터 세트에서 알고리즘을 평가하기 위한 경쟁적인 플랫폼을 제공함으로써 컴퓨터 비전 발전을 주도하는 데 중추적인 역할을 했습니다. 표준화된 평가 지표를 제공하여 이미지 분류, 객체 감지 및 이미지 분할과 같은 영역에서 혁신과 개발을 촉진합니다. 이 챌린지는 딥 러닝 및 컴퓨터 비전 기술로 가능한 것의 경계를 지속적으로 확장해 왔습니다.

📅 1년 전에 생성됨 ✏️ 5개월 전에 업데이트됨

댓글