Dataset ImageNet10#
O conjunto de dados Ultralytics ImageNet10 (data="imagenet10") é um subconjunto minúsculo de 24 imagens do ImageNet que abrange suas primeiras 10 classes, criado para testes de integração contínua, verificações de sanidade e validação rápida de pipelines de treinamento. Ele contém 12 imagens de treinamento e 12 de validação organizadas na mesma estrutura de pastas do synset do WordNet que o conjunto de dados completo, para que um modelo treinado no ImageNet seja treinado no ImageNet10 sem alterações — em segundos em vez de horas. Ele foi projetado para verificar se um pipeline é executado de ponta a ponta, e não para comparar a precisão.
Principais recursos#
- O ImageNet10 contém apenas 24 imagens (12 de treino, 12 de validação) extraídas das primeiras 10 classes do ImageNet.
- O conjunto de dados está organizado de acordo com a hierarquia WordNet, espelhando as pastas synset por classe do conjunto de dados ImageNet completo.
- Ele foi desenvolvido especificamente para testes de integração contínua, verificações de sanidade e depuração rápida de pipelines de treinamento em tarefas de computer vision.
- Embora não tenha sido concebido para avaliar modelos, fornece uma indicação rápida da funcionalidade básica e da correção de um modelo.
Estrutura do Dataset#
O ImageNet10 vem com uma divisão predefinida, usando as primeiras 10 classes do conjunto de dados ImageNet completo (n01440764 tench até 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 situam-se em pastas por classe nomeadas pelo ID do synset — a disposição exata que o treino de classificação da Ultralytics espera. Isto torna o ImageNet10 um substituto compacto e estruturalmente fiel para o conjunto de dados completo ao testar se um modelo reconhece o formato de pasta esperado.
Explore o ImageNet10 on Ultralytics Platform para navegar pelas imagens agrupadas por classe, visualizar a distribuição de classes na aba Charts e cloná-lo para treinar seu próprio modelo na nuvem.
Aplicações#
O conjunto de dados ImageNet10 é útil para testar e depurar rapidamente modelos e pipelines de computer vision. Seu tamanho pequeno permite uma iteração rápida, tornando-o ideal para testes de integração contínua e verificações de sanidade. Ele também é útil para testes preliminares rápidos de novos modelos ou alterações de código antes de prosseguir para execuções em grande escala com o conjunto de dados ImageNet completo.
Uso#
Para testar um modelo de classificação no conjunto de dados ImageNet10 com um tamanho de imagem de 224x224, use os trechos de código abaixo. Para obter uma lista abrangente de argumentos disponíveis, consulte a página de Training do modelo.
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="imagenet10", epochs=5, imgsz=224)Exemplos de Imagens e Anotações#
O conjunto de dados ImageNet10 contém um subconjunto de imagens do conjunto de dados ImageNet original, escolhidas para representar as suas primeiras 10 classes e fornecer um recurso diversificado mas compacto para testes e avaliações rápidas.
O exemplo mostra a variedade e a complexidade das imagens no conjunto de dados ImageNet10, destacando a sua utilidade para verificações de integridade e testes rápidos de modelos de visão computacional.
Citações e Agradecimentos#
Se utilizares o conjunto de dados ImageNet10 no teu trabalho de investigação ou desenvolvimento, por favor cita 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 machine learning e computer vision. Para obter mais informações sobre o conjunto de dados ImageNet e seus criadores, visite o ImageNet website.
FAQ#
O conjunto de dados ImageNet10 é um subconjunto compacto do banco de dados ImageNet, criado pela Ultralytics para testes rápidos de CI, verificações de sanidade e avaliações de pipelines de treinamento. Ele contém 24 imagens (12 de treinamento e 12 de validação) das primeiras 10 classes do ImageNet. Apesar de seu tamanho pequeno, ele preserva a estrutura de pastas do WordNet do conjunto de dados completo, tornando-o ideal para testes rápidos de pipeline, mas não para avaliar a precisão do modelo.
O ImageNet10 contém 24 imagens no total — 12 para treino e 12 para validação — distribuídas pelas primeiras 10 classes do ImageNet. Cada classe é um synset WordNet armazenado na sua própria pasta, pelo que o conjunto de dados espelha a disposição do conjunto de dados ImageNet completo numa fração do tamanho.
Para testar o teu modelo de classificação no ImageNet10 com um tamanho de imagem de 224x224, utiliza os seguintes fragmentos de código.
Exemplo de Testefrom 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="imagenet10", epochs=5, imgsz=224)Consulta a página de Treinamento para obter uma lista abrangente de argumentos disponíveis.
O ImageNet10 foi projetado especificamente para testes de CI, verificações de sanidade e avaliações rápidas em pipelines de deep learning. Seu tamanho de 24 imagens permite uma iteração quase instantânea, tornando-o ideal para integração contínua onde a velocidade é crucial. Ao preservar a estrutura de pastas do conjunto de dados ImageNet completo, ele fornece uma verificação confiável da funcionalidade básica e da correção 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 diferentes propósitos. O ImageNet10 contém apenas 24 imagens das primeiras 10 classes, tornando-o extremamente leve para testes de CI e verificações rápidas de sanidade. Em contrapartida, o ImageNette contém mais de 13.000 imagens em 10 classes facilmente distinguíveis, tornando-o adequado para o treinamento e o desenvolvimento reais de modelos. O ImageNet10 verifica a funcionalidade do pipeline, enquanto o ImageNette é melhor para experimentos de treinamento significativos, porém mais rápidos do que o ImageNet completo.