Датасет ImageNet
Датасет Ultralytics ImageNet (data="imagenet") — это подмножество ImageNet-1k / ILSVRC-2012, используемое для обучения и тестирования моделей классификации изображений. Он содержит 1 000 классов объектов, 1 281 167 обучающих изображений и 50 000 валидационных изображений; обычно модели обучают с размером изображения 224x224, а загрузка занимает около 144 GB. Более широкая база данных ImageNet намного больше: более 14 миллионов изображений высокого разрешения, размеченных синсетами WordNet и относящихся более чем к 20 000 категориям. Однако Ultralytics обучает модели на стандартизированном подмножестве ILSVRC из 1 000 классов, ставшем фактическим бенчмарком для глубокого обучения в сфере компьютерного зрения.
Предобученные модели ImageNet#
| Модель | размер (пиксели) | точ top1 | точ top5 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) при 224 |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.4 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.5 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.8 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.0 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.5 |
Основные особенности#
- Датасет Ultralytics
imagenetсодержит 1 000 классов, 1 281 167 обучающих и 50 000 валидационных изображений (ILSVRC-2012) и служит стандартным бенчмарком для предварительного обучения моделей классификации изображений. - Классы организованы по иерархии WordNet, где каждому классу соответствует синсет (набор синонимичных терминов).
- Обычно модели обучают на изображениях размером 224x224, а загрузка полного датасета занимает около ~144 GB.
- Ежегодный конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC) сыграл важную роль в развитии исследований компьютерного зрения.
Структура набора данных#
В датасете Ultralytics ImageNet используется разбиение ILSVRC-2012:
| Подвыборка | Изображения | Классы |
|---|---|---|
| Обучение | 1,281,167 | 1,000 |
| Валидация | 50,000 | 1,000 |
Изображения хранятся в папках для каждого класса, названных по идентификатору синсета WordNet (например, n01440764), — именно такую структуру ожидает обучение классификации в Ultralytics. Каждому из 1 000 классов соответствует синсет WordNet; отдельной тестовой выборки нет, поэтому для измерения точности используется валидационная выборка из 50 000 изображений.
Загрузка ImageNet-1k занимает примерно ~144 GB, поэтому перед обучением убедись, что на диске достаточно места. Для быстрых экспериментов можно взять уменьшенные подмножества ImageNette и ImageNet10: они используют тот же формат папок и обучаются за малую долю этого времени.
Конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC)#
Ежегодный конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC) позволял исследователям тестировать алгоритмы на крупном стандартизированном датасете с единообразными метриками оценки. Конкурс способствовал значительным достижениям в глубоком обучении для классификации изображений, обнаружения объектов и других задач компьютерного зрения — особенно победа AlexNet в 2012 году, которая помогла начать современную эпоху глубокого обучения.
Применение#
Датасет ImageNet широко используют для обучения и оценки моделей глубокого обучения в задачах классификации изображений, обнаружения объектов и локализации объектов. Такие знаковые архитектуры, как AlexNet, VGG и ResNet, были разработаны и оценены на ImageNet. Веса, предварительно обученные на ImageNet, остаются распространённой отправной точкой для переноса обучения между задачами компьютерного зрения.
Использование#
Чтобы обучить модель классификации YOLO на ImageNet в течение 100 эпох с размером изображения 224x224, используй приведённые ниже фрагменты кода.
from ultralytics import YOLO
# Загрузить модель
model = YOLO("yolo26n-cls.pt") # загрузить предварительно обученную модель (рекомендуется для обучения)
# Обучить модель
results = model.train(data="imagenet", epochs=100, imgsz=224)Ты также можешь управлять датасетами для классификации и запускать обучение в облаке с помощью Ultralytics Platform.
Примеры изображений и аннотаций#
Датасет ImageNet охватывает 1 000 классов ILSVRC-2012 и представляет собой разнообразный обширный ресурс для обучения и оценки моделей компьютерного зрения. Вот несколько примеров изображений из датасета:

Цитирование и благодарности#
Если ты используешь набор данных ImageNet в исследовательской или разработческой работе, пожалуйста, процитируй следующую статью:
@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}
}Мы хотели бы поблагодарить команду ImageNet, которой руководили Olga Russakovsky, Jia Deng и Li Fei-Fei, за создание и поддержку датасета ImageNet — ценного ресурса для сообщества исследователей в области машинного обучения и компьютерного зрения. Подробнее о датасете ImageNet и его создателях читай на сайте ImageNet.
Часто задаваемые вопросы#
Датасет ImageNet — это крупная база изображений, основная коллекция которой содержит более 14 миллионов изображений высокого разрешения, размеченных синсетами WordNet. В Ultralytics модель
data="imagenet"обучается на стандартизированном подмножестве ILSVRC-2012 из 1 000 классов, которое служит фактическим бенчмарком для предварительного обучения моделей классификации изображений. Знаковые модели, такие как AlexNet, VGG и ResNet, обучались и тестировались на ImageNet, что подчеркивает роль датасета в развитии компьютерного зрения.Датасет Ultralytics
imagenetиспользует подмножество ILSVRC-2012: 1 000 классов, 1 281 167 обучающих изображений и 50 000 валидационных изображений; обычно модели обучают с размером изображения 224x224, а загрузка занимает около 144 GB. Полная база ImageNet значительно больше: более 14 миллионов изображений, распределенных по более чем 20 000 синсетам WordNet. Однако для обучения классификации и тестирования используют именно подмножество из 1 000 классов.Чтобы обучить модель Ultralytics YOLO на ImageNet, загрузи предобученную модель классификации и укажи для
dataпутьimagenet:Пример обученияfrom ultralytics import YOLO # Загрузить модель model = YOLO("yolo26n-cls.pt") # загрузить предварительно обученную модель (рекомендуется для обучения) # Обучить модель results = model.train(data="imagenet", epochs=100, imgsz=224)Подробные инструкции по обучению смотри на нашей странице обучения.
Предобученные модели классификации Ultralytics YOLO26 обеспечивают удачный баланс скорости и точности. Например, модель YOLO26n-cls с точностью top-1 71,4% и top-5 90,1% оптимизирована для приложений реального времени. Предобученные модели сокращают вычислительные ресурсы, необходимые для обучения с нуля, и ускоряют циклы разработки.
Ежегодный конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC) способствовал развитию компьютерного зрения, предоставляя конкурентную площадку для оценки алгоритмов на крупном стандартизированном датасете. Единообразные метрики оценки стимулировали инновации в классификации изображений, обнаружении объектов и сегментации изображений, постоянно расширяя возможности глубокого обучения и компьютерного зрения.
Комментарии8
Задай вопрос, поделись результатами или помоги кому-нибудь.
Jie Liuhow to reproduce the result of Pretrained Models? Please give me the command
Paula DerrengerUltralytics(изменено)@keeper-jie hi there!
To reproduce the pretrained classification results on ImageNet, train from the model YAML (not the
.ptweights) 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=224These commands train on the ImageNet dataset for 100 epochs at 224x224. You can adjust the
epochsandimgszparameters 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! 🚀
Jie Liuplease 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
Paula DerrengerUltralytics(изменено)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=224These commands will initiate training on the ImageNet dataset for 100 epochs with an image size of 224x224 pixels. You can adjust the
epochsandimgszparameters 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! 🚀
Jie LiuI 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 [34m[1mtrain:[0m /dataset/imagenet/train... found 1281167 images in 1000 classes ✅ [34m[1mval:[0m /dataset/imagenet/val... found 50000 images in 1000 classes ✅ [34m[1mtest:[0m None... classes top1_acc top5_acc: 100%|██████████| 53/53 [00:31<00:0 all 0.631 0.858
Paula DerrengerUltralytics(изменено)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:
-
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.
-
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.
-
Data Augmentation: Implementing data augmentation techniques can help improve model generalization. Techniques like random cropping, flipping, and color jittering can be beneficial.
-
Learning Rate Scheduler: Using a learning rate scheduler can help in adjusting the learning rate during training, which might improve convergence.
-
Regularization Techniques: Techniques such as dropout and weight decay can help in preventing overfitting and improving model performance.
-
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=224If 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!
-
Jie LiuBug 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=0,1,2,3,4,5,6,7Result :
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 [34m[1mtrain:[0m /dataset/imagenet/train... found 1281167 images in 1000 classes ✅ [34m[1mval:[0m /dataset/imagenet/val... found 50000 images in 1000 classes ✅ [34m[1mtest:[0m None... classes top1_acc top5_acc: 100%|██████████| 53/53 [00:31<00:0 all 0.631 0.858Dependencies(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>=0.11.0Addition 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/train4I use yolov8 docker with command
docker pull ultralytics/ultralytics:8.1.8
Paula DerrengerUltralytics(изменено)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:
-
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.
-
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.
-
Data Augmentation: Implementing data augmentation techniques can help improve model generalization. Techniques like random cropping, flipping, and color jittering can be beneficial.
-
Learning Rate Scheduler: Using a learning rate scheduler can help in adjusting the learning rate during training, which might improve convergence.
-
Regularization Techniques: Techniques such as dropout and weight decay can help in preventing overfitting and improving model performance.
-
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=224Additional 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! 🚀
-