ImageNet-dataset

ImageNet is een grootschalige database van geannoteerde afbeeldingen, ontworpen voor gebruik in visueel objectherkenningsonderzoek. Het bevat meer dan 14 miljoen afbeeldingen, waarbij elke afbeelding is geannoteerd met WordNet synsets, waardoor het een van de meest uitgebreide bronnen is voor het trainen van deep learning modellen in computer vision taken.

ImageNet vooraf getrainde modellen

Belangrijkste kenmerken

• ImageNet bevat meer dan 14 miljoen afbeeldingen met een hoge resolutie die duizenden objectcategorieën omvatten.
• De dataset is georganiseerd volgens de WordNet hiërarchie, waarbij elke synset een categorie vertegenwoordigt.
• ImageNet wordt veel gebruikt voor training en benchmarking op het gebied van computervisie, met name voor beeldclassificatie en objectdetectietaken.
• De jaarlijkse ImageNet Large Scale Visual Recognition Challenge (ILSVRC) is van groot belang geweest voor het bevorderen van computer vision onderzoek.

Structuur dataset

De ImageNet dataset is georganiseerd met behulp van de WordNet hiërarchie. Elke knoop in de hiërarchie vertegenwoordigt een categorie en elke categorie wordt beschreven door een synset (een verzameling synonieme termen). De afbeeldingen in ImageNet zijn geannoteerd met een of meer synsets, wat een rijke bron is voor het trainen van modellen om verschillende objecten en hun relaties te herkennen.

ImageNet grootschalige visuele herkenningswedstrijd (ILSVRC)

De jaarlijkse ImageNet Large Scale Visual Recognition Challenge (ILSVRC) is een belangrijk evenement op het gebied van computervisie. Het heeft onderzoekers en ontwikkelaars een platform geboden om hun algoritmen en modellen te evalueren op een grootschalige dataset met gestandaardiseerde evaluatiemetrieken. De ILSVRC heeft geleid tot aanzienlijke vooruitgang in de ontwikkeling van deep learning modellen voor beeldclassificatie, objectdetectie en andere computervisietaken.

Toepassingen

De ImageNet dataset wordt veel gebruikt voor het trainen en evalueren van deep learning modellen in verschillende computer vision taken, zoals beeldclassificatie, objectdetectie en objectlokalisatie. Enkele populaire deep learning architecturen, zoals AlexNet, VGG en ResNet, zijn ontwikkeld en gebenchmarkt met de ImageNet dataset.

Gebruik

Om een deep learning model te trainen op de ImageNet dataset voor 100 epochs met een afbeeldingsgrootte van 224x224, kun je de volgende codefragmenten gebruiken. Raadpleeg de pagina Model Training voor een uitgebreide lijst met beschikbare argumenten.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 train data=imagenet model=yolov8n-cls.pt epochs=100 imgsz=224

Voorbeeldafbeeldingen en -annotaties

De ImageNet dataset bevat afbeeldingen met een hoge resolutie die duizenden objectcategorieën omvatten, en biedt daarmee een diverse en uitgebreide dataset voor het trainen en evalueren van computervisiemodellen. Hier zijn enkele voorbeelden van afbeeldingen uit de dataset:

Het voorbeeld laat de verscheidenheid en complexiteit van de afbeeldingen in de ImageNet dataset zien en benadrukt het belang van een diverse dataset voor het trainen van robuuste computervisiemodellen.

Citaten en erkenningen

Als je de ImageNet dataset gebruikt in je onderzoek of ontwikkeling, citeer dan het volgende artikel:

@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}
}

We willen graag het ImageNet-team bedanken, onder leiding van Olga Russakovsky, Jia Deng en Li Fei-Fei, voor het maken en onderhouden van de ImageNet dataset als een waardevolle bron voor de machine learning en computer vision onderzoeksgemeenschap. Ga voor meer informatie over de ImageNet dataset en zijn makers naar de ImageNet website.

Reacties