ImageNet 데이터셋#

Ultralytics ImageNet 데이터셋(data="imagenet")은 이미지 분류 모델을 훈련하고 벤치마킹하는 데 사용되는 ImageNet-1k / ILSVRC-2012 서브세트입니다. 이 데이터셋은 1,000개의 객체 클래스와 1,281,167장의 훈련 이미지, 50,000장의 검증 이미지를 224x224 이미지 크기로 포함하고 있으며, 다운로드 용량은 약 144 GB에 달합니다. 더 광범위한 ImageNet 데이터베이스는 20,000개 이상의 카테고리에 걸쳐 WordNet 신셋(synset)으로 주석이 달린 1,400만 장 이상의 고해상도 이미지로 훨씬 더 크지만, Ultralytics는 컴퓨터 비전 분야에서 딥러닝의 사실상의 벤치마크가 된 표준화된 1,000개 클래스 ILSVRC 서브세트를 사용하여 훈련합니다.

ImageNet 사전 학습 모델#

주요 특징#

• Ultralytics imagenet 데이터셋은 이미지 분류를 위한 표준 사전 학습 벤치마크인 1,281,167장의 학습 이미지와 50,000장의 검증 이미지(ILSVRC-2012)를 포함하는 1,000개의 클래스를 제공합니다.
• 클래스는 WordNet 계층 구조에 따라 구성되며, 각 클래스는 synset(동의어 집합)에 해당합니다.
• 이미지는 224x224 크기로 학습되며, 전체 데이터셋은 약 144 GB에 달하는 대용량 다운로드입니다.
• 연례 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)는 컴퓨터 비전 연구를 발전시키는 데 중요한 역할을 해왔습니다.

데이터셋 구조#

Ultralytics ImageNet 데이터셋은 ILSVRC-2012 분할을 사용합니다:

이미지는 WordNet synset ID(예: n01440764)로 명명된 클래스별 폴더에 저장되며, 이는 Ultralytics 분류 학습에서 예상하는 디렉터리 구조입니다. 1,000개의 각 클래스는 WordNet synset에 매핑되며, 별도의 테스트 분할이 없으므로 50,000장의 검증 세트가 accuracy를 측정하는 데 사용됩니다.

ImageNet Large Scale Visual Recognition Challenge (ILSVRC)#

연례 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)를 통해 연구자들은 일관된 평가 지표를 갖춘 대규모 표준화된 데이터셋에서 알고리즘을 벤치마킹할 수 있었습니다. 이 챌린지는 이미지 분류, object detection 및 기타 비전 작업에서 딥러닝의 주요 발전을 이끌었으며, 특히 현대 딥러닝 시대를 여는 데 기여한 AlexNet의 2012년 우승이 가장 대표적입니다.

응용 분야#

ImageNet 데이터셋은 이미지 분류, 객체 감지 및 객체 지역화를 위한 딥러닝 모델을 학습하고 평가하는 데 널리 사용됩니다. AlexNet, VGG, ResNet과 같은 주요 아키텍처는 모두 ImageNet을 기반으로 개발 및 벤치마킹되었으며, ImageNet으로 사전 학습된 가중치는 비전 작업 전반에 걸친 전이 학습에서 여전히 공통적인 시작점으로 활용됩니다.

사용법#

ImageNet에서 224x224 이미지 크기로 100 epochs 동안 YOLO 분류 모델을 학습하려면 아래의 코드 스니펫을 사용하십시오. 사용 가능한 인수에 대한 자세한 내용은 모델 Training 페이지를 참조하십시오.

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="imagenet", epochs=100, imgsz=224)

Ultralytics Platform을 사용하여 클라우드에서 분류 데이터셋을 관리하고 학습을 실행할 수도 있습니다.

샘플 이미지 및 주석#

ImageNet 데이터셋은 1,000개의 ILSVRC-2012 클래스를 포괄하며, 컴퓨터 비전 모델을 학습하고 평가하기 위한 다양하고 방대한 리소스를 제공합니다. 데이터셋의 이미지 예시는 다음과 같습니다:

인용 및 감사의 글#

연구 또는 개발 작업에 ImageNet 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오.

@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}
}

machine learning 및 컴퓨터 비전 연구 커뮤니티를 위한 가치 있는 리소스인 ImageNet 데이터셋을 만들고 유지 관리해 주신 Olga Russakovsky, Jia Deng, Li Fei-Fei가 이끄는 ImageNet 팀에 감사의 말씀을 전합니다. ImageNet 데이터셋과 제작자에 대한 자세한 내용은 ImageNet website를 방문하십시오.

FAQ#

ImageNet 데이터셋이란 무엇이며 컴퓨터 비전에서 어떻게 사용되나요?#

ImageNet dataset은 WordNet synset으로 주석이 달린 1,400만 장 이상의 고해상도 이미지를 보유한 대규모 이미지 데이터베이스입니다. Ultralytics에서 data="imagenet"은 image classification 사전 학습의 사실상 표준 벤치마크인 표준화된 1,000개 클래스의 ILSVRC-2012 서브셋으로 학습을 진행합니다. AlexNet, VGG, ResNet과 같은 주요 모델들이 ImageNet에서 학습되고 벤치마킹되었으며, 이는 컴퓨터 비전 발전에 있어 이 데이터셋의 역할을 잘 보여줍니다.

ImageNet 데이터셋에는 몇 개의 클래스와 이미지가 포함되어 있습니까?#

Ultralytics imagenet 데이터셋은 ILSVRC-2012 서브셋을 사용하며, 224x224 이미지 크기의 1,000개 클래스, 1,281,167장의 학습 이미지, 50,000장의 검증 이미지로 구성되어 전체 다운로드 용량은 약 144 GB입니다. 전체 ImageNet 데이터베이스는 훨씬 더 크지만(20,000개 이상의 WordNet synset에 걸쳐 1,400만 장 이상의 이미지), 분류 학습 및 벤치마킹에는 1,000개 클래스 서브셋이 사용됩니다.

ImageNet 데이터셋에서 이미지 분류를 위해 YOLO 모델을 어떻게 학습할 수 있습니까?#

ImageNet에서 Ultralytics YOLO 모델을 학습하려면 사전 학습된 분류 모델을 로드하고 data을 imagenet(으)로 지정하십시오:

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="imagenet", epochs=100, imgsz=224)

보다 심층적인 학습 지침은 Training page를 참조하십시오.

내 ImageNet 데이터셋 프로젝트에 Ultralytics YOLO26 사전 학습 모델을 사용해야 하는 이유는 무엇인가요?#

Ultralytics YOLO26 사전 학습된 모델은 다양한 컴퓨터 비전 작업에서 속도와 accuracy 측면에서 최고 수준의 성능을 제공합니다. 예를 들어, 탑-1 정확도 71.4%, 탑-5 정확도 90.1%를 기록한 YOLO26n-cls 모델은 실시간 애플리케이션에 최적화되어 있습니다. 사전 학습된 모델은 처음부터 학습하는 데 필요한 컴퓨팅 리소스를 줄이고 개발 주기를 가속화합니다. ImageNet Pretrained Models section에서 YOLO26 모델의 성능 지표에 대해 자세히 알아보세요.

ImageNet Large Scale Visual Recognition Challenge (ILSVRC)는 컴퓨터 비전에서 어떤 역할을 하나요?#

연례 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)는 대규모 표준화된 데이터셋에서 알고리즘을 평가할 수 있는 경쟁력 있는 플랫폼을 제공하여 컴퓨터 비전의 발전을 이끌었습니다. 일관된 평가 지표는 이미지 분류, 객체 감지, image segmentation 분야의 혁신을 촉진하여 딥러닝과 컴퓨터 비전의 한계를 끊임없이 확장했습니다.