Link to this sectionDataset ImageNet10#

O conjunto de dados ImageNet10 da Ultralytics (data="imagenet10") é um subconjunto minúsculo de 24 imagens do ImageNet que abrange as suas primeiras 10 classes, criado para testes de integração contínua, verificações de integridade e validação rápida de pipelines de treino. Contém 12 imagens de treino e 12 de validação organizadas na mesma estrutura de pastas WordNet-synset do conjunto de dados completo, pelo que um modelo que treina no ImageNet treina no ImageNet10 sem alterações — em segundos em vez de horas. Foi concebido para verificar se um pipeline funciona de ponta a ponta, e não para avaliar a precisão.

Link to this sectionPrincipais 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.
• Foi criado especificamente para testes de integração contínua, verificações de integridade e depuração rápida de pipelines de treino em tarefas de visão computacional.
• Embora não tenha sido concebido para avaliar modelos, fornece uma indicação rápida da funcionalidade básica e da correção de um modelo.

Link to this sectionEstrutura do Dataset#

O ImageNet10 é fornecido com uma divisão predefinida, utilizando as primeiras 10 classes do conjunto de dados ImageNet completo (n01440764 tench até n01518878 ostrich):

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.

Explora o ImageNet10 na Plataforma Ultralytics para navegar pelas imagens agrupadas por classe, ver a distribuição de classes no separador Charts e cloná-lo para treinares o teu próprio modelo na cloud.

Link to this sectionAplicações#

O conjunto de dados ImageNet10 é útil para testar e depurar rapidamente modelos e pipelines de visão computacional. O seu tamanho reduzido permite uma iteração rápida, tornando-o ideal para testes de integração contínua e verificações de integridade. É também útil para testes preliminares rápidos de novos modelos ou alterações de código antes de avançar para execuções em larga escala com o conjunto de dados ImageNet completo.

Link to this sectionUso#

Para testar um modelo de classificação no conjunto de dados ImageNet10 com um tamanho de imagem de 224x224, utiliza os fragmentos de código abaixo. Para uma lista completa de argumentos disponíveis, consulta a página de Treino 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)

Link to this sectionExemplos 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.

Link to this sectionCitações 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 equipa do ImageNet, liderada por Olga Russakovsky, Jia Deng e Li Fei-Fei, pela criação e manutenção do conjunto de dados ImageNet. O subconjunto ImageNet10, criado pela Ultralytics, é um recurso valioso para testes rápidos e depuração na comunidade de investigação de aprendizagem automática e visão computacional. Para mais informações sobre o conjunto de dados ImageNet e os seus criadores, visita o site do ImageNet.

Link to this sectionFAQ#

Link to this sectionO que é o conjunto de dados ImageNet10 e como difere do conjunto de dados ImageNet completo?#

O conjunto de dados ImageNet10 é um subconjunto compacto da base de dados ImageNet, criado pela Ultralytics para testes CI rápidos, verificações de integridade e avaliações de pipelines de treino. Contém 24 imagens (12 de treino e 12 de validação) das primeiras 10 classes do ImageNet. Apesar do seu tamanho reduzido, preserva a estrutura de pastas WordNet do conjunto de dados completo, tornando-o ideal para testes rápidos de pipeline, mas não para avaliar a precisão do modelo.

Link to this sectionQuantas imagens e classes tem o ImageNet10?#

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.

Link to this sectionComo posso usar o conjunto de dados ImageNet10 para testar o meu modelo de aprendizagem profunda?#

Para testar o teu modelo de classificação no ImageNet10 com um tamanho de imagem de 224x224, utiliza os seguintes fragmentos de código.

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)

Consulte a página de Treinamento para obter uma lista abrangente de argumentos disponíveis.

Link to this sectionPor que devo usar o conjunto de dados ImageNet10 para testes CI e verificações de integridade?#

O ImageNet10 foi concebido especificamente para testes CI, verificações de integridade e avaliações rápidas em pipelines de aprendizagem profunda. O 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, fornece uma verificação fiável da funcionalidade básica e da correção de um modelo sem o custo de processar um conjunto de dados grande.

Link to this sectionComo é que o ImageNet10 se compara a outros conjuntos de dados pequenos como o ImageNette?#

Embora tanto o ImageNet10 como o ImageNette sejam subconjuntos do ImageNet, servem propósitos diferentes. O ImageNet10 contém apenas 24 imagens das primeiras 10 classes, tornando-o extremamente leve para testes CI e verificações de integridade rápidas. Em contrapartida, o ImageNette contém mais de 13.000 imagens em 10 classes facilmente distinguíveis, tornando-o adequado para o treino e desenvolvimento real de modelos. O ImageNet10 verifica a funcionalidade do pipeline, enquanto o ImageNette é melhor para experiências de treino significativas, mas mais rápidas do que o ImageNet completo.