Набор данных ImageNet10#

20

imagenet10

ultralytics

publicClassify

ImageNet sample with 10 classes for testing YOLO image classification. Ideal for validating classification pipelines and quick experiments.

210 classes110.3 KBApr 28, 2026

n01440764n01443537n01484850n01491361+6

Датасет Ultralytics ImageNet10 (data="imagenet10") представляет собой крошечный набор из 24 изображений из ImageNet, охватывающий его первые 10 классов и созданный для тестов непрерывной интеграции, экспресс-проверок и быстрой валидации пайплайнов обучения. В нем содержится 12 тренировочных и 12 валидационных изображений, организованных в той же структуре папок синосетов WordNet, что и полный датасет, поэтому модель, которая обучается на ImageNet, обучается на ImageNet10 без изменений — за секунды вместо часов. Он разработан для проверки работоспособности пайплайна от начала до конца, а не для оценки точности.

Ключевые особенности#

• ImageNet10 содержит всего 24 изображения (12 тренировочных, 12 валидационных), взятых из первых 10 классов ImageNet.
• Набор данных организован в соответствии с иерархией WordNet, повторяя структуру папок synset для каждого класса из полного набора данных ImageNet.
• Он специально создан для тестов непрерывной интеграции, экспресс-проверок и быстрого отлаживания пайплайнов обучения в задачах компьютерного зрения.
• Хотя он не предназначен для бенчмаркинга моделей, он дает быстрое представление об основных функциональных возможностях и корректности работы модели.

Структура набора данных#

ImageNet10 поставляется с предопределенным разделением на выборки с использованием первых 10 классов полного датасета ImageNet (n01440764 — линь, n01518878 — страус):

Каждый из 10 классов представляет собой synset WordNet (набор синонимичных терминов), а изображения находятся в папках для каждого класса, названных по ID synset — это именно та структура, которую ожидает обучение классификации Ultralytics. Это делает ImageNet10 компактной и структурно достоверной заменой полного набора данных при тестировании того, распознает ли модель ожидаемый формат папок.

Изучи 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 быстрого тестирования и отладки моделей и пайплайнов компьютерного зрения. Его малый размер позволяет выполнять быстрые итерации, что делает его идеальным для тестов непрерывной интеграции и экспресс-проверок. Он также удобен для быстрого предварительного тестирования новых моделей или изменений в коде перед переходом к полномасштабным запускам с полным датасетом ImageNet.

Использование#

Чтобы протестировать модель классификации на датасете ImageNet10 с размером изображения 224x224, используй приведенные ниже фрагменты кода. Полный список доступных аргументов см. на странице модели Training.

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)

Примеры изображений и аннотации#

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

Пример демонстрирует разнообразие и сложность изображений в наборе данных ImageNet10, подчеркивая его полезность для проверок на работоспособность и быстрого тестирования моделей компьютерного зрения.

Цитирование и благодарности#

Если ты используешь набор данных ImageNet10 в своих исследованиях или разработках, пожалуйста, сошлися на оригинальную статью об 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}
}

Мы хотели бы выразить признательность команде ImageNet под руководством Ольги Русаковской, Цзя Дэна и Ли Фэйфэй за создание и поддержку датасета ImageNet. Подмножество ImageNet10, созданное Ultralytics, является ценным ресурсом для быстрого тестирования и отладки в исследовательском сообществе машинного обучения и компьютерного зрения. Дополнительную информацию о датасете ImageNet и его создателях можно найти на сайте ImageNet.

FAQ#