Набор данных ImageNet
ImageNet — это масштабная база данных аннотированных изображений, предназначенная для использования в исследованиях по распознаванию визуальных объектов. Она содержит более 14 миллионов изображений, каждое из которых аннотировано с использованием синсетов WordNet, что делает ее одним из самых обширных ресурсов, доступных для обучения моделей глубокого обучения в задачах компьютерного зрения.
Предварительно обученные модели ImageNet
| Модель | размер (пиксели) |
acc top1 |
acc top5 |
Скорость CPU ONNX (мс) |
Скорость T4 TensorRT10 (мс) |
параметры (M) |
FLOPs (B) при 224 |
|---|---|---|---|---|---|---|---|
| YOLO11n-cls | 224 | 70.0 | 89.4 | 5.0 ± 0.3 | 1.1 ± 0.0 | 1.6 | 0.5 |
| YOLO11s-cls | 224 | 75.4 | 92.7 | 7.9 ± 0.2 | 1.3 ± 0.0 | 5.5 | 1.6 |
| YOLO11m-cls | 224 | 77.3 | 93.9 | 17.2 ± 0.4 | 2.0 ± 0.0 | 10.4 | 5.0 |
| YOLO11l-cls | 224 | 78.3 | 94.3 | 23.2 ± 0.3 | 2.8 ± 0.0 | 12.9 | 6.2 |
| YOLO11x-cls | 224 | 79.5 | 94.9 | 41.4 ± 0.9 | 3.8 ± 0.0 | 28.4 | 13.7 |
Основные характеристики
- ImageNet содержит более 14 миллионов изображений высокого разрешения, охватывающих тысячи категорий объектов.
- Набор данных организован в соответствии с иерархией WordNet, где каждый синсет представляет собой категорию.
- ImageNet широко используется для обучения и оценки в области компьютерного зрения, особенно для задач классификации изображений и обнаружения объектов.
- Ежегодный конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC) сыграл важную роль в продвижении исследований в области компьютерного зрения.
Структура набора данных
Набор данных ImageNet организован с использованием иерархии WordNet. Каждый узел в иерархии представляет собой категорию, и каждая категория описывается синсетом (набором синонимичных терминов). Изображения в ImageNet аннотированы одним или несколькими синсетами, что предоставляет богатый ресурс для обучения моделей распознаванию различных объектов и их взаимосвязей.
ImageNet Large Scale Visual Recognition Challenge (ILSVRC)
Ежегодный конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC) стал важным событием в области компьютерного зрения. Он предоставил исследователям и разработчикам платформу для оценки своих алгоритмов и моделей на крупномасштабном наборе данных со стандартизированными метриками оценки. ILSVRC привел к значительным достижениям в разработке моделей глубокого обучения для классификации изображений, обнаружения объектов и других задач компьютерного зрения.
Приложения
Набор данных ImageNet широко используется для обучения и оценки моделей глубокого обучения в различных задачах компьютерного зрения, таких как классификация изображений, обнаружение объектов и локализация объектов. Некоторые популярные архитектуры глубокого обучения, такие как AlexNet, VGG и ResNet, были разработаны и протестированы с использованием набора данных ImageNet.
Использование
Чтобы обучить модель глубокого обучения на наборе данных ImageNet в течение 100 эпох с размером изображения 224x224, вы можете использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице Обучение модели.
Пример обучения
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224
Примеры изображений и аннотации
Набор данных ImageNet содержит изображения высокого разрешения, охватывающие тысячи категорий объектов, что обеспечивает разнообразный и обширный набор данных для обучения и оценки моделей компьютерного зрения. Вот несколько примеров изображений из набора данных:
Этот пример демонстрирует разнообразие и сложность изображений в наборе данных ImageNet, подчеркивая важность разнообразного набора данных для обучения надежных моделей компьютерного зрения.
Цитирование и благодарности
Если вы используете набор данных ImageNet в своих исследованиях или разработках, пожалуйста, сошлитесь на 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 выразить признательность команде ImageNet под руководством Ольги Русаковской, Цзя Денг и Ли Фей-Фей за создание и поддержку набора данных ImageNet в качестве ценного ресурса для сообщества исследований в области машинного обучения и компьютерного зрения. Для получения дополнительной информации о наборе данных ImageNet и его создателях посетите веб-сайт ImageNet.
Часто задаваемые вопросы
Что такое набор данных ImageNet и как он используется в компьютерном зрении?
Набор данных ImageNet — это крупномасштабная база данных, состоящая из более чем 14 миллионов изображений высокого разрешения, классифицированных с использованием синсетов WordNet. Он широко используется в исследованиях по распознаванию визуальных объектов, включая классификацию изображений и обнаружение объектов. Аннотации и огромный объем набора данных предоставляют богатый ресурс для обучения моделей глубокого обучения. Примечательно, что такие модели, как AlexNet, VGG и ResNet, были обучены и протестированы с использованием ImageNet, что демонстрирует его роль в развитии компьютерного зрения.
Как я могу использовать предварительно обученную модель YOLO для классификации изображений на датасете ImageNet?
Чтобы использовать предварительно обученную модель Ultralytics YOLO для классификации изображений на наборе данных ImageNet, выполните следующие действия:
Пример обучения
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224
Для получения более подробных инструкций по обучению обратитесь к нашей странице, посвященной обучению.
Почему мне следует использовать предварительно обученные модели Ultralytics YOLO11 для моих проектов с набором данных ImageNet?
Предварительно обученные модели Ultralytics YOLO11 демонстрируют передовую производительность с точки зрения скорости и точности для различных задач компьютерного зрения. Например, модель YOLO11n-cls с точностью top-1 70.0% и точностью top-5 89.4% оптимизирована для приложений реального времени. Предварительно обученные модели сокращают вычислительные ресурсы, необходимые для обучения с нуля, и ускоряют циклы разработки. Узнайте больше о показателях производительности моделей YOLO11 в разделе «Предварительно обученные модели ImageNet».
Какова структура набора данных ImageNet и почему он важен?
Набор данных ImageNet организован с использованием иерархии WordNet, где каждый узел в иерархии представляет собой категорию, описанную синсетом (набором синонимичных терминов). Эта структура обеспечивает детальные аннотации, что делает ее идеальной для обучения моделей распознаванию широкого спектра объектов. Разнообразие и богатство аннотаций ImageNet делают его ценным набором данных для разработки надежных и обобщаемых моделей глубокого обучения. Подробнее об этой организации можно узнать в разделе Dataset Structure.
Какую роль играет ImageNet Large Scale Visual Recognition Challenge (ILSVRC) в компьютерном зрении?
Ежегодный конкурс ImageNet Large Scale Visual Recognition Challenge (ILSVRC) сыграл ключевую роль в продвижении компьютерного зрения, предоставив конкурентную платформу для оценки алгоритмов на крупномасштабном стандартизированном наборе данных. Он предлагает стандартизированные метрики оценки, способствуя инновациям и развитию в таких областях, как классификация изображений, обнаружение объектов и сегментация изображений. Конкурс постоянно расширяет границы возможного с помощью технологий глубокого обучения и компьютерного зрения.
