Начать

Датасет ImageNet10

Датасет Ultralytics ImageNet10 (data="imagenet10") — крошечное подмножество ImageNet, содержащее 24 изображения из первых 10 классов. Он создан для тестов непрерывной интеграции, проверок работоспособности и быстрой валидации конвейеров обучения. В нем 12 обучающих и 12 валидационных изображений, организованных в папках синсетов WordNet так же, как в полном датасете. Поэтому модель, обучаемая на ImageNet, без изменений обучается и на ImageNet10 — за секунды вместо часов. Датасет предназначен для сквозной проверки работы конвейера, а не для тестирования точности.

Основные особенности#

  • ImageNet10 содержит всего 24 изображения (12 обучающих и 12 валидационных), взятых из первых 10 классов ImageNet.
  • Датасет организован по иерархии WordNet и повторяет структуру папок с синсетами для каждого класса в полном датасете ImageNet.
  • Датасет специально создан для тестов непрерывной интеграции, проверок работоспособности и быстрой отладки конвейеров обучения в задачах компьютерного зрения.
  • Хотя датасет не предназначен для тестирования моделей, он позволяет быстро оценить их базовую функциональность и корректность.

Структура набора данных#

ImageNet10 поставляется с заранее заданным разделением и включает первые 10 классов полного датасета ImageNet (n01440764 — линь до n01518878 — страус):

ПодвыборкаИзображенияКлассы
Обучение1210
Валидация1210

Каждый из 10 классов представляет собой синсет WordNet (набор синонимичных терминов), а изображения находятся в отдельных папках для каждого класса, названных по идентификатору синсета, — именно такую структуру ожидает обучение классификации в Ultralytics. Поэтому ImageNet10 — компактная структурно точная замена полного датасета, позволяющая проверить, распознает ли модель ожидаемый формат папок.

Открой ImageNet10 на Ultralytics Platform, чтобы просмотреть изображения, сгруппированные по классам, посмотреть распределение классов на вкладке Charts и клонировать датасет для обучения собственной модели в облаке.

Применение#

Датасет ImageNet10 полезен для быстрой проверки и отладки моделей и конвейеров компьютерного зрения. Благодаря небольшому размеру можно быстро перебирать варианты, поэтому датасет идеально подходит для тестов непрерывной интеграции и базовых проверок. Он также удобен для быстрой предварительной проверки новых моделей или изменений кода перед полноценными запусками на полном датасете ImageNet.

Использование#

Чтобы протестировать модель классификации YOLO26n-cls на наборе данных ImageNet10 с размером изображения 224x224, используй приведённые ниже фрагменты кода.

Тестовый пример
from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n-cls.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)

# Обучить модель
results = model.train(data="imagenet10", epochs=5, imgsz=224)

Примеры изображений и аннотаций#

Набор данных ImageNet10 содержит подмножество изображений из исходного набора данных ImageNet, выбранных из первых 10 классов, чтобы предоставить разнообразный, но компактный ресурс для быстрого тестирования и оценки.

Примеры изображений из классификационного набора данных ImageNet-10

Пример показывает разнообразие и сложность изображений в датасете ImageNet10, подчёркивая его пользу для базовых проверок и быстрого тестирования моделей компьютерного зрения.

Цитирование и благодарности#

Если ты используешь набор данных ImageNet10 в исследованиях или разработке, пожалуйста, процитируй исходную статью об ImageNet:

Цитирование
@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 под руководством Ольги Русаковски, Цзя Дэна и Ли Фэй-Фэй за создание и поддержку набора данных ImageNet. Подмножество ImageNet10, созданное Ultralytics, — ценный ресурс для быстрого тестирования и отладки в сообществе исследователей машинного обучения и компьютерного зрения. Подробнее о наборе данных ImageNet и его создателях можно узнать на сайте ImageNet.

Часто задаваемые вопросы#

  • Набор данных ImageNet10 — это компактное подмножество базы данных ImageNet, созданное Ultralytics для быстрых тестов CI, проверок работоспособности и оценки конвейеров обучения. Он содержит 24 изображения (12 для обучения и 12 для валидации) из первых 10 классов ImageNet. Несмотря на небольшой размер, в нём сохранена структура папок WordNet полного набора данных, поэтому он отлично подходит для быстрой проверки конвейеров, но не для оценки точности модели.

  • В ImageNet10 всего 24 изображения — 12 для обучения и 12 для валидации, — распределённых по первым 10 классам ImageNet. Каждый класс представлен синсетом WordNet в отдельной папке, поэтому структура набора данных соответствует структуре полного набора ImageNet, хотя его размер значительно меньше.

  • Чтобы протестировать модель классификации на ImageNet10 с размером изображения 224x224, используй следующие фрагменты кода.

    Тестовый пример
    from ultralytics import YOLO
    
    # Загрузить модель
    model = YOLO("yolo26n-cls.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)
    
    # Обучить модель
    results = model.train(data="imagenet10", epochs=5, imgsz=224)

    Полный список доступных аргументов смотри на странице обучения.

  • ImageNet10 специально создан для тестов CI, проверок работоспособности и быстрой оценки конвейеров глубокого обучения. Набор из 24 изображений позволяет практически мгновенно выполнять итерации, поэтому он идеально подходит для непрерывной интеграции, где важна скорость. Сохраняя структуру папок полного набора ImageNet, он обеспечивает надёжную проверку базовой функциональности и корректности модели без затрат на обработку большого набора данных.

  • ImageNet10 и ImageNette — оба подмножества ImageNet, но служат разным целям. ImageNet10 содержит всего 24 изображения из первых 10 классов, поэтому он чрезвычайно компактен и подходит для тестирования CI и быстрых базовых проверок. ImageNette, напротив, содержит более 13 000 изображений 10 легко различимых классов и подходит для реального обучения и разработки моделей. ImageNet10 проверяет работоспособность конвейера, а ImageNette лучше подходит для содержательных экспериментов по обучению, которые быстрее запускаются, чем обучение на полном ImageNet.

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.