Conjunto de dados ImageNet
O conjunto de dados Ultralytics ImageNet (data="imagenet") é o subconjunto ImageNet-1k / ILSVRC-2012 usado para treinar e avaliar modelos de classificação de imagens. Contém 1 000 classes de objetos, com 1 281 167 imagens de treino e 50 000 imagens de validação, é normalmente treinado com um tamanho de imagem de 224x224 e requer a transferência de cerca de 144 GB de dados. A base de dados ImageNet mais abrangente é muito maior — contém mais de 14 milhões de imagens de alta resolução anotadas com synsets WordNet em mais de 20 000 categorias —, mas o Ultralytics treina no subconjunto ILSVRC padronizado de 1 000 classes, que se tornou o benchmark de facto para a aprendizagem profunda em visão computacional.
Modelos pré-treinados no ImageNet#
| Modelo | tamanho (pixels) | acc top1 | acc top5 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) a 224 |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.4 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.5 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.8 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.0 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.5 |
Principais funcionalidades#
- O conjunto de dados
imagenetdo Ultralytics disponibiliza 1 000 classes, com 1 281 167 imagens de treino e 50 000 imagens de validação (ILSVRC-2012), o benchmark padrão de pré-treino para classificação de imagens. - As classes estão organizadas de acordo com a hierarquia WordNet, em que cada classe corresponde a um synset (um conjunto de termos sinónimos).
- Os modelos geralmente são treinados em 224x224, e o conjunto de dados completo exige um download grande, de ~144 GB.
- O Desafio de Reconhecimento Visual em Grande Escala ImageNet anual (ILSVRC) foi fundamental para o avanço da investigação em visão computacional.
Estrutura do conjunto de dados#
O conjunto de dados ImageNet do Ultralytics usa a divisão ILSVRC-2012:
| Divisão | Imagens | Classes |
|---|---|---|
| Treinar | 1,281,167 | 1,000 |
| Validação | 50,000 | 1,000 |
As imagens são guardadas em pastas por classe, com nomes baseados no ID do synset WordNet (por exemplo, n01440764), a estrutura esperada pelo treino de classificação do Ultralytics. Cada uma das 1 000 classes corresponde a um synset WordNet, e não existe uma divisão de teste separada, pelo que o conjunto de validação de 50 000 imagens é usado para medir a exatidão.
O ImageNet-1k requer uma transferência de aproximadamente ~144 GB, por isso, certifica-te de que tens espaço em disco suficiente antes de treinar. Para experiências rápidas, os subconjuntos mais pequenos ImageNette e ImageNet10 usam o mesmo formato de pastas e permitem treinar numa fração do tempo.
Desafio de Reconhecimento Visual em Grande Escala ImageNet (ILSVRC)#
O Desafio de Reconhecimento Visual em Grande Escala ImageNet (ILSVRC) anual permitia aos investigadores avaliar algoritmos num conjunto de dados padronizado e em grande escala, com métricas de avaliação consistentes. Impulsionou grandes avanços na aprendizagem profunda para classificação de imagens, deteção de objetos e outras tarefas de visão — sobretudo a vitória do AlexNet em 2012, que ajudou a dar início à era moderna da aprendizagem profunda.
Aplicações#
O conjunto de dados ImageNet é amplamente usado para treinar e avaliar modelos de aprendizado profundo para classificação de imagens, detecção de objetos e localização de objetos. Arquiteturas de referência como AlexNet, VGG e ResNet foram desenvolvidas e avaliadas no ImageNet, e os pesos pré-treinados no ImageNet continuam sendo um ponto de partida comum para aprendizado por transferência em diferentes tarefas de visão.
Uso#
Para treinar um modelo de classificação YOLO no ImageNet por 100 épocas, com tamanho de imagem 224x224, use os trechos de código abaixo.
from ultralytics import YOLO
# Carregar um modelo
model = YOLO("yolo26n-cls.pt") # carregue um modelo pré-treinado (recomendado para treinamento)
# Treinar o modelo
results = model.train(data="imagenet", epochs=100, imgsz=224)Também podes gerir conjuntos de dados de classificação e executar treinos na cloud com a Ultralytics Platform.
Imagens de exemplo e anotações#
O conjunto de dados ImageNet abrange as 1 000 classes do ILSVRC-2012, oferecendo um recurso diversificado e abrangente para treinar e avaliar modelos de visão computacional. Seguem-se algumas imagens de exemplo do conjunto de dados:

Citações e agradecimentos#
Se usares o conjunto de dados ImageNet no teu trabalho de investigação ou desenvolvimento, cita o seguinte artigo:
@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}
}Gostaríamos de reconhecer a equipa do ImageNet, liderada por Olga Russakovsky, Jia Deng e Li Fei-Fei, pela criação e manutenção do conjunto de dados ImageNet, um recurso valioso para a comunidade de investigação em aprendizagem automática e visão computacional. Para obteres mais informações sobre o conjunto de dados ImageNet e os seus criadores, visita o site do ImageNet.
Perguntas frequentes#
O conjunto de dados ImageNet é uma base de dados de imagens em grande escala cuja coleção mais abrangente contém mais de 14 milhões de imagens de alta resolução anotadas com synsets WordNet. No Ultralytics,
data="imagenet"treina no subconjunto ILSVRC-2012 padronizado de 1 000 classes, que é o benchmark de facto para pré-treino de classificação de imagens. Modelos marcantes como AlexNet, VGG e ResNet foram treinados e avaliados no ImageNet, o que evidencia o seu papel no avanço da visão computacional.O conjunto de dados
imagenetdo Ultralytics usa o subconjunto ILSVRC-2012, com 1 000 classes, 1 281 167 imagens de treino e 50 000 imagens de validação, normalmente treinado com um tamanho de imagem de 224x224, e requer uma transferência de aproximadamente 144 GB. A base de dados ImageNet completa é muito maior (mais de 14 milhões de imagens em mais de 20 000 synsets WordNet), mas o subconjunto de 1 000 classes é o usado para treinar e avaliar modelos de classificação.Para treinar um modelo Ultralytics YOLO com o ImageNet, carrega um modelo de classificação pré-treinado e indica
dataparaimagenet:Exemplo de treinofrom ultralytics import YOLO # Carregar um modelo model = YOLO("yolo26n-cls.pt") # carregue um modelo pré-treinado (recomendado para treinamento) # Treinar o modelo results = model.train(data="imagenet", epochs=100, imgsz=224)Para instruções de treinamento mais detalhadas, consulte nossa página de treinamento.
Os modelos de classificação pré-treinados Ultralytics YOLO26 oferecem um ótimo equilíbrio entre velocidade e precisão. Por exemplo, o modelo YOLO26n-cls, com precisão top-1 de 71,4% e precisão top-5 de 90,1%, é otimizado para aplicações em tempo real. Os modelos pré-treinados reduzem os recursos computacionais necessários para o treinamento do zero e aceleram os ciclos de desenvolvimento.
O Desafio de Reconhecimento Visual em Grande Escala ImageNet (ILSVRC) anual impulsionou os avanços em visão computacional ao proporcionar uma plataforma competitiva para avaliar algoritmos num conjunto de dados padronizado e em grande escala. As suas métricas de avaliação consistentes promoveram a inovação na classificação de imagens, deteção de objetos e segmentação de imagens, alargando continuamente os limites da aprendizagem profunda e da visão computacional.
Comentários8
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.
Jie Liuhow to reproduce the result of Pretrained Models? Please give me the command
Paula DerrengerUltralytics(editado)@keeper-jie hi there!
To reproduce the pretrained classification results on ImageNet, train from the model YAML (not the
.ptweights) so the model starts from random initialization:Using Python:
from ultralytics import YOLO # Build a model from its YAML configuration (replace 'yolo26n-cls.yaml' with other sizes like 'yolo26s-cls.yaml') model = YOLO("yolo26n-cls.yaml") # Train the model on ImageNet results = model.train(data="imagenet", epochs=100, imgsz=224)Using CLI:
yolo train data=imagenet model=yolo26n-cls.yaml epochs=100 imgsz=224These commands train on the ImageNet dataset for 100 epochs at 224x224. You can adjust the
epochsandimgszparameters as needed. For more details, refer to the Ultralytics documentation on ImageNet.If you encounter any issues, please ensure you are using the latest version of the Ultralytics package, and provide a minimum reproducible example. Happy training! 🚀
Jie Liuplease show me the command to use yolov8 yaml file to reproduce the table result like below without pretrain model:
Model size(pixels) acc-top1 acc-top5 Speed-CPU ONNX(ms) Speed-A100 TensorRT(ms) params(M) FLOPs(B) at 640 YOLOv8n-cls 224 69.0 88.3 12.9 0.31 2.7 4.3
Paula DerrengerUltralytics(editado)Hi @keeper-jie,
To reproduce the results of the YOLO26 classification models on the ImageNet dataset without using pretrained weights, you can follow the steps below. This will allow you to train the models from scratch and evaluate their performance.
Using Python:
from ultralytics import YOLO # Load a model configuration without pretrained weights model = YOLO("yolo26n-cls.yaml") # You can replace 'yolo26n-cls.yaml' with other model variants like 'yolo26s-cls.yaml', 'yolo26m-cls.yaml', etc. # Train the model on ImageNet results = model.train(data="imagenet", epochs=100, imgsz=224)Using CLI:
# Start training from scratch using a *.yaml model configuration yolo train data=imagenet model=yolo26n-cls.yaml epochs=100 imgsz=224These commands will initiate training on the ImageNet dataset for 100 epochs with an image size of 224x224 pixels. You can adjust the
epochsandimgszparameters as needed.Important Notes:
- Ensure you have the latest version of the Ultralytics package installed.
- Providing a minimum reproducible example can be very helpful if you encounter any issues. You can find more information on how to create one here.
For more detailed information and additional arguments you can use, please refer to the Ultralytics documentation on ImageNet.
If you have any further questions or run into any issues, feel free to ask. Happy training! 🚀
Jie LiuI train the model with
!yolo train data=/dataset/imagenet model=yolov8x-cls.yaml epochs=100 imgsz=224 batch=476*8 device=0,1,2,3,4,5,6,7, but the result is only 0.631 on top1 acc, please help me check it. Log:100 epochs completed in 7.923 hours. Optimizer stripped from /usr/src/ultralytics/runs/classify/train4/weights/last.pt, 115.1MB Optimizer stripped from /usr/src/ultralytics/runs/classify/train4/weights/best.pt, 115.1MB Validating /usr/src/ultralytics/runs/classify/train4/weights/best.pt... Ultralytics YOLOv8.1.8 🚀 Python-3.10.13 torch-2.1.0 CUDA:0 (NVIDIA L20, 45596MiB) YOLOv8x-cls summary (fused): 133 layers, 57404200 parameters, 0 gradients, 154.8 GFLOPs [34m[1mtrain:[0m /dataset/imagenet/train... found 1281167 images in 1000 classes ✅ [34m[1mval:[0m /dataset/imagenet/val... found 50000 images in 1000 classes ✅ [34m[1mtest:[0m None... classes top1_acc top5_acc: 100%|██████████| 53/53 [00:31<00:0 all 0.631 0.858
Paula DerrengerUltralytics(editado)Hi @keeper-jie,
Thank you for sharing the details of your training process and results. To better assist you, it would be helpful to have a minimum reproducible example. This will allow us to diagnose the issue more effectively. You can find guidelines on how to create one here: Minimum Reproducible Example.
In the meantime, here are a few suggestions to help troubleshoot and potentially improve your model's performance:
-
Verify Dataset Integrity: Ensure that the ImageNet dataset is correctly formatted and all images are accessible. Sometimes, missing or corrupted images can affect training results.
-
Hyperparameter Tuning: Experiment with different hyperparameters such as learning rate, batch size, and optimizer settings. The default settings might not always yield the best results for every dataset.
-
Data Augmentation: Implementing data augmentation techniques can help improve model generalization. Techniques like random cropping, flipping, and color jittering can be beneficial.
-
Learning Rate Scheduler: Using a learning rate scheduler can help in adjusting the learning rate during training, which might improve convergence.
-
Regularization Techniques: Techniques such as dropout and weight decay can help in preventing overfitting and improving model performance.
-
Latest Version: Ensure you are using the latest version of the Ultralytics package. Sometimes, updates include performance improvements and bug fixes.
Here is an example command to train the model from scratch using the YOLO26 YAML configuration:
Using Python:
from ultralytics import YOLO # Load a model configuration without pretrained weights model = YOLO("yolo26x-cls.yaml") # Train the model on ImageNet results = model.train(data="imagenet", epochs=100, imgsz=224)Using CLI:
# Start training from scratch using a *.yaml model configuration yolo train data=imagenet model=yolo26x-cls.yaml epochs=100 imgsz=224If the issue persists, please provide more details or a reproducible example, and we will be happy to assist you further. Thank you for your patience and cooperation!
-
Jie LiuBug description:
use 8 L20 GPU can not reproduce yolov8x-cls top1 acc.MRE:
yolo train data=imagenet model=yolov8x-cls.yaml epochs=100 imgsz=224 batch=476*8 device=0,1,2,3,4,5,6,7Result :
100 epochs completed in 7.923 hours. Optimizer stripped from /usr/src/ultralytics/runs/classify/train4/weights/last.pt, 115.1MB Optimizer stripped from /usr/src/ultralytics/runs/classify/train4/weights/best.pt, 115.1MB Validating /usr/src/ultralytics/runs/classify/train4/weights/best.pt... Ultralytics YOLOv8.1.8 🚀 Python-3.10.13 torch-2.1.0 CUDA:0 (NVIDIA L20, 45596MiB) YOLOv8x-cls summary (fused): 133 layers, 57404200 parameters, 0 gradients, 154.8 GFLOPs [34m[1mtrain:[0m /dataset/imagenet/train... found 1281167 images in 1000 classes ✅ [34m[1mval:[0m /dataset/imagenet/val... found 50000 images in 1000 classes ✅ [34m[1mtest:[0m None... classes top1_acc top5_acc: 100%|██████████| 53/53 [00:31<00:0 all 0.631 0.858Dependencies(yolo checks):
Ultralytics YOLOv8.1.8 🚀 Python-3.10.13 torch-2.1.0 CUDA:0 (NVIDIA L20, 45596MiB) Setup complete ✅ (128 CPUs, 503.5 GB RAM, 860.1/7096.0 GB disk) OS Linux-5.15.0-94-generic-x86_64-with-glibc2.31 Environment Linux Python 3.10.13 Install git RAM 503.52 GB CPU Intel Xeon Gold 6458Q CUDA 12.1 matplotlib ✅ 3.8.2>=3.3.0 numpy ✅ 1.23.5>=1.22.2 opencv-python ✅ 4.9.0.80>=4.6.0 pillow ✅ 10.0.1>=7.1.2 pyyaml ✅ 6.0>=5.3.1 requests ✅ 2.31.0>=2.23.0 scipy ✅ 1.12.0>=1.4.1 torch ✅ 2.1.0>=1.8.0 torchvision ✅ 0.16.0>=0.9.0 tqdm ✅ 4.65.0>=4.64.0 psutil ✅ 5.9.0 py-cpuinfo ✅ 9.0.0 thop ✅ 0.1.1-2209072238>=0.1.1 pandas ✅ 2.2.0>=1.1.4 seaborn ✅ 0.13.2>=0.11.0Addition train config:
task: classify mode: train model: yolov8x-cls.yaml data: /dataset/imagenet epochs: 100 time: null patience: 50 batch: 3808 imgsz: 224 save: true save_period: -1 cache: false device: - 0 - 1 - 2 - 3 - 4 - 5 - 6 - 7 workers: 8 project: null name: train4 exist_ok: false pretrained: true optimizer: auto verbose: true seed: 0 deterministic: true single_cls: false rect: false cos_lr: false close_mosaic: 10 resume: false amp: true fraction: 1.0 profile: false freeze: null multi_scale: false overlap_mask: true mask_ratio: 4 dropout: 0.0 val: true split: val save_json: false save_hybrid: false conf: null iou: 0.7 max_det: 300 half: false dnn: false plots: true source: null vid_stride: 1 stream_buffer: false visualize: false augment: false agnostic_nms: false classes: null retina_masks: false embed: null show: false save_frames: false save_txt: false save_conf: false save_crop: false show_labels: true show_conf: true show_boxes: true line_width: null format: torchscript keras: false optimize: false int8: false dynamic: false simplify: false opset: null workspace: 4 nms: false lr0: 0.01 lrf: 0.01 momentum: 0.937 weight_decay: 0.0005 warmup_epochs: 3.0 warmup_momentum: 0.8 warmup_bias_lr: 0.1 box: 7.5 cls: 0.5 dfl: 1.5 pose: 12.0 kobj: 1.0 label_smoothing: 0.0 nbs: 64 hsv_h: 0.015 hsv_s: 0.7 hsv_v: 0.4 degrees: 0.0 translate: 0.1 scale: 0.5 shear: 0.0 perspective: 0.0 flipud: 0.0 fliplr: 0.5 mosaic: 1.0 mixup: 0.0 copy_paste: 0.0 auto_augment: randaugment erasing: 0.4 crop_fraction: 1.0 cfg: null tracker: botsort.yaml save_dir: /usr/src/ultralytics/runs/classify/train4I use yolov8 docker with command
docker pull ultralytics/ultralytics:8.1.8
Paula DerrengerUltralytics(editado)Hi @keeper-jie,
Thank you for providing detailed information about your training process and results. It's great to see that you're using the YOLOv8 classification model on the ImageNet dataset. Let's work together to troubleshoot and improve your model's performance.
Steps to Troubleshoot and Improve Performance:
-
Verify Dataset Integrity: Ensure that the ImageNet dataset is correctly formatted and all images are accessible. Sometimes, missing or corrupted images can affect training results.
-
Hyperparameter Tuning: Experiment with different hyperparameters such as learning rate, batch size, and optimizer settings. The default settings might not always yield the best results for every dataset.
-
Data Augmentation: Implementing data augmentation techniques can help improve model generalization. Techniques like random cropping, flipping, and color jittering can be beneficial.
-
Learning Rate Scheduler: Using a learning rate scheduler can help in adjusting the learning rate during training, which might improve convergence.
-
Regularization Techniques: Techniques such as dropout and weight decay can help in preventing overfitting and improving model performance.
-
Latest Version: Ensure you are using the latest version of the Ultralytics package. Sometimes, updates include performance improvements and bug fixes.
Example Command to Train from Scratch:
Here is an example command to train the model from scratch using the YOLO26 YAML configuration:
Using Python:
from ultralytics import YOLO # Load a model configuration without pretrained weights model = YOLO("yolo26x-cls.yaml") # Train the model on ImageNet results = model.train(data="imagenet", epochs=100, imgsz=224)Using CLI:
# Start training from scratch using a *.yaml model configuration yolo train data=imagenet model=yolo26x-cls.yaml epochs=100 imgsz=224Additional Tips:
- Check for Overfitting: Monitor the training and validation loss. If the training loss is significantly lower than the validation loss, your model might be overfitting.
- Use Mixed Precision Training: Enabling Automatic Mixed Precision (AMP) can speed up training and reduce memory usage.
Minimum Reproducible Example:
If the issue persists, please provide a minimum reproducible example. This will help us diagnose the issue more effectively. You can find guidelines on how to create one here: Minimum Reproducible Example.
If you have any further questions or run into any issues, feel free to ask. Happy training! 🚀
-