Dataset ImageWoof#

12,951

ImageWoof

ultralytics

publicClassify

ImageWoof is fast.ai's fine-grained ImageNet subset spanning ten visually similar dog breeds. It provides a compact but challenging classification benchmark for learning subtle differences in coat, head shape, body structure, pose, and background context.

10 classes884 MBSep 2, 2026

Shih-TzuRhodesian ridgebackBeagleEnglish foxhound+6

image-classificationimagewoofimagenet+2

O dataset ImageWoof é um subconjunto do ImageNet constituído por 10 classes de raças de cães deliberadamente difíceis de distinguir, criado pela fast.ai como um desafio mais exigente para algoritmos de classificação de imagens. Contém 12.954 imagens a cores — 9.025 para treino e 3.929 para validação — de raças como Beagle, Shih-Tzu e Golden retriever, levando os modelos a distinguir diferenças subtis e específicas, em vez de categorias de objetos óbvias.

Principais funcionalidades#

• O ImageWoof contém 12.954 imagens de 10 raças de cães: terrier australiano, Border terrier, Samoyed, Beagle, Shih-Tzu, foxhound inglês, Rhodesian ridgeback, Dingo, Golden retriever e Old English sheepdog.
• É distribuído com uma divisão predefinida de 9.025 imagens de treino e 3.929 de validação, disponível em várias resoluções (tamanho completo, 320px e 160px) para se adequar a diferentes orçamentos computacionais.
• Também inclui uma versão com etiquetas ruidosas, proporcionando um cenário mais realista em que as etiquetas nem sempre são fiáveis.

Estrutura do Conjunto de Dados#

O ImageWoof é distribuído com uma divisão predefinida entre treino e validação, com cada raça de cão armazenada na sua própria pasta:

Como todas as 10 classes são raças de cães, a divisão foi concebida para testar a classificação específica — distinguindo categorias visualmente semelhantes — em vez do reconhecimento amplo de objetos do dataset ImageNet completo.

Aplicações#

O dataset ImageWoof é amplamente utilizado para treinar e avaliar modelos de deep learning em classes mais complexas e semelhantes. O desafio está nas diferenças subtis entre as raças de cães, levando os modelos aos seus limites de desempenho e generalização. É particularmente valioso para:

• Avaliar o desempenho da classificação em categorias específicas
• Testar a robustez dos modelos perante classes visualmente semelhantes
• Desenvolver algoritmos capazes de distinguir diferenças visuais subtis
• Avaliar a aprendizagem por transferência de domínios gerais para domínios específicos

Utilização#

Para treinar um modelo de classificação no dataset ImageWoof durante 100 épocas, com um tamanho de imagem de 224x224, utiliza os fragmentos de código abaixo. Para obter uma lista completa dos 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="imagewoof", epochs=100, imgsz=224)

Variantes do dataset#

O ImageWoof está disponível em três tamanhos para acomodar diferentes necessidades de investigação e orçamentos computacionais:

1. Tamanho completo (imagewoof): A versão original com imagens de tamanho completo, ideal para o treino final e para a avaliação de desempenho.
2. Tamanho médio (imagewoof320): Imagens redimensionadas para um comprimento máximo de 320 píxeis, adequadas para um treino mais rápido sem sacrificar significativamente o desempenho do modelo.
3. Tamanho pequeno (imagewoof160): Imagens redimensionadas para um comprimento máximo de 160 píxeis, concebidas para prototipagem rápida e experimentação quando a velocidade de treino é uma prioridade.

Para utilizar estas variantes, basta substituir imagewoof no argumento do dataset por imagewoof320 ou imagewoof160. Por exemplo:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)

# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)

Nota que imagens mais pequenas provavelmente produzirão uma precisão de classificação inferior, mas são uma excelente forma de iterar rapidamente nas fases iniciais do desenvolvimento do modelo. Também podes gerir datasets de classificação e executar o treino na cloud com a Ultralytics Platform.

Imagens de exemplo e anotações#

O dataset ImageWoof contém imagens coloridas de várias raças de cães, proporcionando um dataset desafiante para tarefas de classificação de imagens. Eis alguns exemplos de imagens do dataset:

O exemplo demonstra as diferenças e semelhanças subtis entre as várias raças de cães, evidenciando a complexidade e a dificuldade da tarefa de classificação.

Citações e agradecimentos#

Se utilizares o dataset ImageWoof no teu trabalho de investigação ou desenvolvimento, reconhece os seus criadores incluindo uma ligação para o repositório oficial do dataset.

Gostaríamos de reconhecer a equipa da fast.ai por criar e manter o ImageWoof como um recurso valioso para a comunidade de investigação em machine learning e visão computacional. Para obteres mais informações sobre o ImageWoof, visita o repositório do dataset ImageWoof.

Perguntas frequentes#