ImageNet Veri Seti#
Ultralytics ImageNet veri kümesi (data="imagenet"), görüntü sınıflandırma modellerini eğitmek ve kıyaslamak için kullanılan ImageNet-1k / ILSVRC-2012 alt kümesidir. 224x224 görüntü boyutunda 1.281.167 eğitim görüntüsü ve 50.000 doğrulama görüntüsü içeren 1.000 nesne sınıfına sahiptir ve yaklaşık 144 GB veriye indirilir. Daha geniş ImageNet veritabanı çok daha büyüktür; 20.000'den fazla kategoride WordNet eşanlamlı kümeleriyle etiketlenmiş 14 milyondan fazla yüksek çözünürlüklü görüntü içerir, ancak Ultralytics, bilgisayarlı görü alanında derin öğrenme için fiili kıyaslama standardı haline gelen standartlaştırılmış 1.000 sınıflı ILSVRC alt kümesinde eğitir.
ImageNet Önceden Eğitilmiş Modelleri#
| Model | boyut (piksel) | acc top1 | acc top5 | Hız CPU ONNX (ms) | Hız T4 TensorRT10 (ms) | parametreler (M) | FLOPs (B) at 224 |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.5 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.6 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.9 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.2 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.6 |
Temel Özellikler#
- Ultralytics
imagenetveri seti; görüntü sınıflandırma için standart ön eğitim kıyaslaması olan, ILSVRC-2012 kapsamında 1.281.167 eğitim ve 50.000 doğrulama görüntüsüne sahip 1.000 sınıf sağlar. - Sınıflar, her sınıfın bir synset'e (eş anlamlı terimler kümesi) karşılık geldiği WordNet hiyerarşisine göre düzenlenmiştir.
- Görüntüler 224x224 boyutunda eğitilir ve tam veri seti yaklaşık 144 GB'lık büyük bir indirme dosyasıdır.
- Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), computer vision araştırmalarını ilerletmede etkili olmuştur.
Veri Kümesi Yapısı#
Ultralytics ImageNet veri seti, ILSVRC-2012 bölümlemesini kullanır:
| Bölüm | Görüntüler | Sınıflar |
|---|---|---|
| Eğit (Train) | 1.281.167 | 1.000 |
| Doğrulama | 50.000 | 1.000 |
Görseller, WordNet eş anlamlı kümesi (synset) kimliğiyle adlandırılmış sınıf bazlı klasörlerde saklanır (örneğin n01440764), bu da Ultralytics sınıflandırma eğitiminin beklediği yerleşimidir. 1.000 sınıfın her biri bir WordNet synset'ine karşılık gelir ve ayrı bir test bölümü yoktur, bu nedenle doğruluk oranını ölçmek için 50.000 görüntülük doğrulama seti kullanılır.
ImageNet-1k yaklaşık 144 GB boyutunda bir indirmedir, bu nedenle eğitimden önce yeterli disk alanınız olduğundan emin olun. Hızlı denemeler için daha küçük ImageNette ve ImageNet10 alt kümeleri aynı klasör formatını kullanır ve çok daha kısa sürede eğitilir.
ImageNet Large Scale Visual Recognition Challenge (ILSVRC)#
Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), araştırmacıların algoritmaları tutarlı değerlendirme ölçütlerine sahip büyük ölçekli, standartlaştırılmış bir veri setinde kıyaslamasını sağladı. Görüntü sınıflandırma, nesne tespiti ve diğer görme görevlerinde derin öğrenmede büyük ilerlemeler kaydetti; en önemlisi de modern derin öğrenme çağının başlamasına yardımcı olan AlexNet'in 2012'deki zaferidir.
Uygulamalar#
ImageNet veri seti, görüntü sınıflandırma, nesne tespiti ve nesne konumlandırma için derin öğrenme modellerini eğitmek ve değerlendirmek amacıyla yaygın olarak kullanılır. AlexNet, VGG ve ResNet gibi çığır açan mimarilerin tümü ImageNet üzerinde geliştirilmiş ve kıyaslanmıştır; ayrıca ImageNet ile önceden eğitilmiş ağırlıklar, görme görevleri genelinde transfer öğrenimi için yaygın bir başlangıç noktası olmaya devam etmektedir.
Kullanım#
ImageNet üzerinde 224x224 görüntü boyutunda 100 epoch boyunca bir YOLO sınıflandırma modeli eğitmek için aşağıdaki kod parçacıklarını kullanın. Mevcut argümanların kapsamlı bir listesi için model Training sayfasına bakın.
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="imagenet", epochs=100, imgsz=224)Ultralytics Platform ile sınıflandırma veri setlerini yönetebilir ve bulutta eğitim çalıştırabilirsiniz.
Örnek Görüntüler ve Ek Açıklamalar#
ImageNet veri seti 1.000 ILSVRC-2012 sınıfını kapsayarak bilgisayarlı görü modellerini eğitmek ve değerlendirmek için çeşitli ve kapsamlı bir kaynak sağlar. Veri setinden bazı örnek görüntüler aşağıdadır:
Alıntılar ve Teşekkür#
ImageNet veri setini araştırma veya geliştirme çalışmalarında kullanıyorsan, lütfen şu makaleye atıfta bulun:
@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}
}Olga Russakovsky, Jia Deng ve Li Fei-Fei liderliğindeki ImageNet ekibine, ImageNet veri setini machine learning ve computer vision araştırma topluluğu için değerli bir kaynak olarak oluşturdukları ve sürdürdükleri için teşekkür ederiz. ImageNet veri seti ve yaratıcıları hakkında daha fazla bilgi edinmek için ImageNet website adresini ziyaret edin.
SSS#
ImageNet veri seti nedir ve computer vision alanında nasıl kullanılır?#
ImageNet dataset, daha geniş koleksiyonu WordNet eş anlamlı kümeleriyle etiketlenmiş 14 milyondan fazla yüksek çözünürlüklü görüntü barındıran büyük ölçekli bir görüntü veritabanıdır. Ultralytics'te data="imagenet", görüntü sınıflandırma ön eğitimi için fiili standart kıyaslama olan standartlaştırılmış 1.000 sınıflı ILSVRC-2012 alt kümesi üzerinde eğitim yapar. AlexNet, VGG ve ResNet gibi çığır açan modeller ImageNet üzerinde eğitilmiş ve kıyaslanmıştır, bu da bilgisayarlı görüyi ilerletmedeki rolünün altını çizmektedir.
ImageNet veri seti kaç sınıfa ve görüntüye sahiptir?#
Ultralytics imagenet veri seti, yaklaşık 144 GB'lık toplam indirme boyutuyla 224x224 görüntü boyutunda 1.000 sınıf, 1.281.167 eğitim görüntüsü ve 50.000 doğrulama görüntüsü içeren ILSVRC-2012 alt kümesini kullanır. Tam ImageNet veritabanı çok daha büyüktür (20.000'den fazla WordNet eş anlamlı kümesinde 14 milyondan fazla görüntü), ancak sınıflandırma eğitimi ve kıyaslaması için kullanılan alt küme 1.000 sınıflı olanıdır.
ImageNet veri setinde görüntü sınıflandırma için nasıl YOLO modeli eğitebilirim?#
ImageNet üzerinde bir Ultralytics YOLO modeli eğitmek için, önceden eğitilmiş bir sınıflandırma modeli yükleyin ve data ifadesini imagenet değerine yönlendirin:
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="imagenet", epochs=100, imgsz=224)Daha derinlemesine eğitim talimatları için Training page sayfamıza göz atın.
ImageNet veri seti projelerim için neden Ultralytics YOLO26 önceden eğitilmiş modellerini kullanmalıyım?#
Ultralytics YOLO26 önceden eğitilmiş modelleri, çeşitli computer vision görevleri için hız ve doğruluk açısından son teknoloji performans sunar. Örneğin, %71,4 top-1 doğruluğuna ve %90,1 top-5 doğruluğuna sahip YOLO26n-cls modeli, gerçek zamanlı uygulamalar için optimize edilmiştir. Önceden eğitilmiş modeller, sıfırdan eğitim için gereken hesaplama kaynaklarını azaltır ve geliştirme döngülerini hızlandırır. YOLO26 modellerinin performans ölçümleri hakkında daha fazla bilgi edinmek için ImageNet Pretrained Models section bölümüne göz atın.
ImageNet Large Scale Visual Recognition Challenge (ILSVRC)'ın computer vision alanındaki rolü nedir?#
Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), algoritmaları büyük ölçekli, standartlaştırılmış bir veri setinde değerlendirmek için rekabetçi bir platform sağlayarak computer vision alanındaki ilerlemeleri tetikledi. Tutarlı değerlendirme ölçütleri, görüntü sınıflandırma, nesne tespiti ve görüntü segmentasyonu alanlarında inovasyonu teşvik ederek derin öğrenme ile computer vision sınırlarını sürekli olarak zorladı.