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):
| Подвыборка | Изображения | Классы |
|---|---|---|
| Обучение | 12 | 10 |
| Валидация | 12 | 10 |
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 удобен для быстрой проверки и отладки моделей и конвейеров компьютерного зрения. Благодаря небольшому размеру он позволяет быстро выполнять итерации и идеально подходит для тестов непрерывной интеграции и проверок работоспособности. Он также полезен для предварительной быстрой проверки новых моделей и изменений кода перед запуском полномасштабного обучения на полном датасете ImageNet.
Использование#
Чтобы протестировать модель классификации на датасете ImageNet10 с размером изображения 224x224, используй приведенные ниже фрагменты кода. Полный список доступных аргументов смотри на странице обучения модели.
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.
Этот пример демонстрирует разнообразие и сложность изображений в наборе данных ImageNet10, показывая, насколько он полезен для проверок работоспособности 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:
@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 примерfrom 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.
Хотя ImageNet10 и ImageNette — подмножества ImageNet, они предназначены для разных задач. ImageNet10 содержит всего 24 изображения из первых 10 классов и поэтому требует минимум ресурсов для тестирования CI и быстрых проверок работоспособности. Для сравнения, ImageNette содержит более 13 000 изображений 10 легко различимых классов и подходит для полноценного обучения и разработки моделей. ImageNet10 проверяет работоспособность конвейера, а ImageNette лучше подходит для содержательных экспериментов по обучению, которые при этом выполняются быстрее, чем на полном ImageNet.