Link to this sectionImageNet Veri Seti#

The Ultralytics ImageNet dataset (data="imagenet") is the ImageNet-1k / ILSVRC-2012 subset used to train and benchmark image classification models. It contains 1,000 object classes with 1,281,167 training images and 50,000 validation images at a 224x224 image size, and downloads to roughly 144 GB of data. The broader ImageNet database is far larger — over 14 million high-resolution images annotated with WordNet synsets across more than 20,000 categories — but Ultralytics trains on the standardized 1,000-class ILSVRC subset that became the de-facto benchmark for deep learning in computer vision.

Link to this sectionImageNet Önceden Eğitilmiş Modelleri#

Link to this sectionTemel Özellikler#

• Ultralytics imagenet veri seti, görüntü sınıflandırma için standart ön eğitim kıyaslaması olan 1.281.167 eğitim ve 50.000 doğrulama görüntüsü (ILSVRC-2012) içeren 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.

Link to this sectionVeri Kümesi Yapısı#

Ultralytics ImageNet veri seti, ILSVRC-2012 bölümlemesini kullanır:

Görüntüler, Ultralytics sınıflandırma eğitiminin beklediği düzen olan WordNet synset kimliği (örneğin n01440764) ile adlandırılmış sınıf bazlı klasörlerde saklanır. 1.000 sınıfın her biri bir WordNet synset'i ile eşleşir ve ayrı bir test bölümlemesi yoktur, bu nedenle 50.000 görüntülük doğrulama seti doğruluk ölçümü için kullanılır.

Link to this sectionImageNet Large Scale Visual Recognition Challenge (ILSVRC)#

Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), araştırmacıların algoritmaları tutarlı değerlendirme metrikleri içeren büyük ölçekli, standartlaştırılmış bir veri seti üzerinde kıyaslamalarına olanak tanıdı. Bu yarışma, görüntü sınıflandırma, nesne algılama ve diğer görü görevlerinde derin öğrenme alanında büyük ilerlemelere yol açtı; özellikle modern derin öğrenme çağını başlatan AlexNet'in 2012 yılındaki zaferi oldukça önemlidir.

Link to this sectionUygulamalar#

ImageNet veri seti; görüntü sınıflandırma, nesne algılama ve nesne yerelleştirme için derin öğrenme modellerini eğitmek ve değerlendirmek amacıyla yaygın olarak kullanılır. AlexNet, VGG ve ResNet gibi öncü mimarilerin hepsi ImageNet üzerinde geliştirilmiş ve kıyaslanmıştır; ImageNet ile eğitilmiş ağırlıklar, tüm görü görevlerinde transfer öğrenme için yaygın bir başlangıç noktası olmaya devam etmektedir.

Link to this sectionKullanım#

ImageNet üzerinde 224x224 görüntü boyutunda 100 dönem boyunca bir YOLO sınıflandırma modeli eğitmek için aşağıdaki kod parçacıklarını kullan. Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına bak.

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 bulutta sınıflandırma veri setlerini yönetebilir ve eğitim çalıştırabilirsin.

Link to this sectionÖrnek 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:

Link to this sectionAlıntılar 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 için ImageNet web sitesini ziyaret edebilirsin.

Link to this sectionSSS#

Link to this sectionImageNet veri seti nedir ve computer vision alanında nasıl kullanılır?#

ImageNet veri seti, daha geniş koleksiyonu WordNet synset'leri ile etiketlenmiş 14 milyondan fazla yüksek çözünürlüklü görüntü barındıran büyük ölçekli bir görüntü veri tabanıdır. Ultralytics'te data="imagenet", görüntü sınıflandırma ön eğitimi için fiili standart olan 1.000 sınıflı ILSVRC-2012 alt kümesi üzerinde eğitim yapar. AlexNet, VGG ve ResNet gibi öncü modeller ImageNet üzerinde eğitilmiş ve kıyaslanmıştır, bu da bilgisayarlı görüyü ilerletmedeki rolünü vurgular.

Link to this sectionImageNet veri seti kaç sınıfa ve görüntüye sahiptir?#

Ultralytics imagenet veri seti, 224x224 görüntü boyutunda 1.000 sınıf, 1.281.167 eğitim görüntüsü ve 50.000 doğrulama görüntüsü ile yaklaşık 144 GB toplam indirme boyutuna sahip ILSVRC-2012 alt kümesini kullanır. Tam ImageNet veri tabanı çok daha büyüktür (20.000'den fazla WordNet synset'i genelinde 14 milyondan fazla görüntü), ancak sınıflandırma eğitimi ve kıyaslama için kullanılan 1.000 sınıflı alt kümedir.

Link to this sectionImageNet veri setinde görüntü sınıflandırma için nasıl YOLO modeli eğitebilirim?#

Ultralytics YOLO modelini ImageNet üzerinde eğitmek için önceden eğitilmiş bir sınıflandırma modeli yükle ve data parametresini imagenet olarak ayarla:

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 sayfamıza bakabilirsin.

Link to this sectionImageNet veri seti projelerim için neden Ultralytics YOLO26 önceden eğitilmiş modellerini kullanmalıyım?#

Ultralytics YOLO26 önceden eğitilmiş modelleri, çeşitli computer vision görevleri için hız ve accuracy açısından son teknoloji performans sunar. Örneğin, %71,4 top-1 accuracy ve %90,1 top-5 accuracy değerine 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 metrikleri hakkında daha fazla bilgiyi ImageNet Pretrained Models bölümünde bulabilirsin.

Link to this sectionImageNet Large Scale Visual Recognition Challenge (ILSVRC)'ın computer vision alanındaki rolü nedir?#

Yıllık ImageNet Large Scale Visual Recognition Challenge (ILSVRC), algoritmaları büyük ölçekli ve standartlaştırılmış bir veri seti üzerinde değerlendirmek için rekabetçi bir platform sağlayarak bilgisayarlı görüde ilerlemelere öncülük etti. Tutarlı değerlendirme metrikleri; görüntü sınıflandırma, nesne algılama ve görüntü bölütleme alanlarında yenilikleri teşvik ederek derin öğrenme ve bilgisayarlı görünün sınırlarını sürekli olarak zorladı.