Conjunto de dados ImageNet10#
O conjunto de dados ImageNet10 do Ultralytics (data="imagenet10") é um pequeno subconjunto de 24 imagens do ImageNet, abrangendo as suas primeiras 10 classes e criado para testes de integração contínua, verificações básicas e validação rápida de pipelines de treino. Contém 12 imagens de treino e 12 de validação, organizadas na mesma estrutura de pastas por synset WordNet que o conjunto de dados completo, pelo que um modelo treinado com o ImageNet também pode ser treinado no ImageNet10 sem alterações — em segundos, em vez de horas. Foi concebido para verificar se um pipeline funciona de ponta a ponta, não para avaliar a exatidão dos modelos.
Principais funcionalidades#
- O ImageNet10 contém apenas 24 imagens (12 de treino e 12 de validação), retiradas das primeiras 10 classes do ImageNet.
- O conjunto de dados está organizado de acordo com a hierarquia WordNet, reproduzindo as pastas de synsets por classe do conjunto de dados ImageNet completo.
- Foi criado especificamente para testes de integração contínua, verificações básicas e depuração rápida de pipelines de treino em tarefas de visão computacional.
- Embora não tenha sido concebido para avaliar modelos, permite verificar rapidamente a funcionalidade básica e a correção de um modelo.
Estrutura do conjunto de dados#
O ImageNet10 inclui uma divisão predefinida, usando as primeiras 10 classes do conjunto de dados ImageNet completo (n01440764 tench a n01518878 ostrich):
| Divisão | Imagens | Classes |
|---|---|---|
| Treinar | 12 | 10 |
| Validação | 12 | 10 |
Cada uma das 10 classes é um synset WordNet (um conjunto de termos sinónimos), e as imagens estão em pastas por classe com nomes baseados no ID do synset — exatamente a estrutura esperada pelo treino de classificação do Ultralytics. Isto faz do ImageNet10 um substituto compacto e estruturalmente fiel do conjunto de dados completo para testar se um modelo reconhece o formato de pastas esperado.
Explora o ImageNet10 na Ultralytics Platform para veres as imagens agrupadas por classe, consultares a distribuição das classes no separador Gráficos e cloná-lo para treinares o teu próprio modelo na cloud.
Aplicações#
O conjunto de dados ImageNet10 é útil para testar e depurar rapidamente modelos e pipelines de visão computacional. O seu tamanho reduzido permite iterações rápidas, tornando-o ideal para testes de integração contínua e verificações básicas. Também é útil para testes preliminares rápidos de novos modelos ou alterações ao código, antes de avançar para execuções em grande escala com o conjunto de dados ImageNet completo.
Uso#
Para testar um modelo de classificação com o conjunto de dados ImageNet10, usando um tamanho de imagem de 224x224, utiliza os seguintes excertos de código. Para consultar a lista completa dos argumentos disponíveis, vê a página de treino do modelo.
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="imagenet10", epochs=5, imgsz=224)Imagens de exemplo e anotações#
O conjunto de dados ImageNet10 contém um subconjunto de imagens do conjunto de dados ImageNet original, escolhido para representar suas 10 primeiras classes e oferecer um recurso diversificado, mas compacto, para testes e avaliações rápidas.
O exemplo demonstra a variedade e a complexidade das imagens do conjunto de dados ImageNet10, destacando sua utilidade para verificações básicas e testes rápidos de modelos de visão computacional.
Citações e agradecimentos#
Se você usar o conjunto de dados ImageNet10 em seu trabalho de pesquisa ou desenvolvimento, cite o artigo original do ImageNet:
@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 agradecer à equipe do ImageNet, liderada por Olga Russakovsky, Jia Deng e Li Fei-Fei, por criar e manter o conjunto de dados ImageNet. O subconjunto ImageNet10, criado pela Ultralytics, é um recurso valioso para testes rápidos e depuração na comunidade de pesquisa de aprendizado de máquina e visão computacional. Para saber mais sobre o conjunto de dados ImageNet e seus criadores, acesse o site do ImageNet.
Perguntas frequentes#
O conjunto de dados ImageNet10 é um subconjunto compacto do banco de dados ImageNet, criado pela Ultralytics para testes rápidos de CI, verificações básicas e avaliações de pipelines de treinamento. Ele contém 24 imagens (12 para treinamento e 12 para validação) das 10 primeiras classes do ImageNet. Apesar de seu tamanho reduzido, ele preserva a estrutura de pastas WordNet do conjunto de dados completo, sendo ideal para testes rápidos de pipelines, mas não para comparar a precisão de modelos.
O ImageNet10 contém 24 imagens no total — 12 para treinamento e 12 para validação — distribuídas pelas 10 primeiras classes do ImageNet. Cada classe é um synset do WordNet armazenado em sua própria pasta, então o conjunto de dados reproduz o formato do conjunto de dados ImageNet completo em uma fração do tamanho.
Para testar seu modelo de classificação no ImageNet10 com imagens de tamanho 224x224, use os trechos de código a seguir.
Exemplo de testefrom 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="imagenet10", epochs=5, imgsz=224)Consulta a página de treino para ver a lista completa de argumentos disponíveis.
O ImageNet10 foi desenvolvido especificamente para testes de CI, verificações básicas e avaliações rápidas em pipelines de aprendizado profundo. Com apenas 24 imagens, ele permite iterações quase instantâneas, sendo ideal para integração contínua, em que a velocidade é crucial. Ao preservar a estrutura de pastas do conjunto de dados ImageNet completo, ele oferece uma verificação confiável da funcionalidade e da correção básicas de um modelo, sem a sobrecarga de processar um conjunto de dados grande.
Embora tanto o ImageNet10 quanto o ImageNette sejam subconjuntos do ImageNet, eles atendem a finalidades diferentes. O ImageNet10 contém apenas 24 imagens das 10 primeiras classes, sendo extremamente leve para testes de CI e verificações básicas rápidas. Já o ImageNette contém mais de 13.000 imagens de 10 classes facilmente distinguíveis, sendo adequado para o treinamento e desenvolvimento de modelos. O ImageNet10 verifica a funcionalidade do pipeline, enquanto o ImageNette é mais adequado para experimentos de treinamento significativos, mas mais rápidos do que os realizados com o ImageNet completo.