Começar

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#

Modelotamanho
(pixels)
acc
top1
acc
top5
Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B) a 224
YOLO26n-cls22471.490.15.0 ± 0.31.1 ± 0.02.80.4
YOLO26s-cls22476.092.97.9 ± 0.21.3 ± 0.06.71.5
YOLO26m-cls22478.194.217.2 ± 0.42.0 ± 0.011.64.8
YOLO26l-cls22479.094.623.2 ± 0.32.8 ± 0.014.16.0
YOLO26x-cls22479.995.041.4 ± 0.93.8 ± 0.029.613.5

Principais funcionalidades#

  • O conjunto de dados imagenet do 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:

DivisãoImagensClasses
Treinar1,281,1671,000
Validação50,0001,000

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.

Tamanho da transferência

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.

Exemplo de treino
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:

Exemplos de imagens do conjunto de dados de classificação ImageNet

Citações e agradecimentos#

Se usares o conjunto de dados ImageNet no teu trabalho de investigação ou desenvolvimento, cita o seguinte artigo:

Citação
@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 imagenet do 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 data para imagenet:

    Exemplo de treino
    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)

    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.

    1. Paula DerrengerUltralytics(editado)

      @keeper-jie hi there!

      To reproduce the pretrained classification results on ImageNet, train from the model YAML (not the .pt weights) 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=224

      These commands train on the ImageNet dataset for 100 epochs at 224x224. You can adjust the epochs and imgsz parameters 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! 🚀

    2. Jie Liu

      please 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
    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=224

      These commands will initiate training on the ImageNet dataset for 100 epochs with an image size of 224x224 pixels. You can adjust the epochs and imgsz parameters 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! 🚀

    4. Jie Liu

      I 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
      train: /dataset/imagenet/train... found 1281167 images in 1000 classes ✅ 
      val: /dataset/imagenet/val... found 50000 images in 1000 classes ✅ 
      test: None...
                     classes   top1_acc   top5_acc: 100%|██████████| 53/53 [00:31<00:0
                         all      0.631      0.858
    5. 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:

      1. 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.

      2. 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.

      3. Data Augmentation: Implementing data augmentation techniques can help improve model generalization. Techniques like random cropping, flipping, and color jittering can be beneficial.

      4. Learning Rate Scheduler: Using a learning rate scheduler can help in adjusting the learning rate during training, which might improve convergence.

      5. Regularization Techniques: Techniques such as dropout and weight decay can help in preventing overfitting and improving model performance.

      6. 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=224

      If 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!

    6. Jie Liu

      Bug 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=0,1,2,3,4,5,6,7

      Result :

      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
      train: /dataset/imagenet/train... found 1281167 images in 1000 classes ✅ 
      val: /dataset/imagenet/val... found 50000 images in 1000 classes ✅ 
      test: None...
                     classes   top1_acc   top5_acc: 100%|██████████| 53/53 [00:31<00:0
                         all      0.631      0.858

      Dependencies(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>=0.11.0

      Addition 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/train4

      I use yolov8 docker with command docker pull ultralytics/ultralytics:8.1.8

    7. 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:
      1. 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.

      2. 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.

      3. Data Augmentation: Implementing data augmentation techniques can help improve model generalization. Techniques like random cropping, flipping, and color jittering can be beneficial.

      4. Learning Rate Scheduler: Using a learning rate scheduler can help in adjusting the learning rate during training, which might improve convergence.

      5. Regularization Techniques: Techniques such as dropout and weight decay can help in preventing overfitting and improving model performance.

      6. 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=224
      Additional 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! 🚀