ImageWoof Veri Kümesi#

12,951

ImageWoof

ultralytics

publicClassify

ImageWoof is fast.ai's fine-grained ImageNet subset spanning ten visually similar dog breeds. It provides a compact but challenging classification benchmark for learning subtle differences in coat, head shape, body structure, pose, and background context.

10 classes884 MBSep 2, 2026

Shih-TzuRhodesian ridgebackBeagleEnglish foxhound+6

image-classificationimagewoofimagenet+2

ImageWoof veri kümesi, fast.ai tarafından görüntü sınıflandırma algoritmaları için daha zorlu bir meydan okuma olarak oluşturulan ve birbirinden ayırt edilmesi özellikle zor 10 köpek ırkı sınıfından oluşan ImageNet veri kümesinin bir alt kümesidir. Veri kümesi, Beagle, Shih-Tzu ve Golden retriever gibi ırklar arasında eğitim için 9.025 ve doğrulama için 3.929 olmak üzere toplam 12.954 renkli görüntü içerir ve modelleri bariz nesne kategorileri yerine ince taneli farklılıkları ayırt etmeye zorlar.

Temel Özellikler#

• ImageWoof, 10 köpek ırkına ait toplam 12.954 görüntü içerir: Avustralya teriyeri, Border teriyeri, Samoyed, Beagle, Shih-Tzu, İngiliz foxhound, Rodezya ridgeback, Dingo, Golden retriever ve Eski İngiliz çoban köpeği.
• Farklı hesaplama bütçelerine uyum sağlamak için çeşitli çözünürlüklerde (tam boyut, 320px, 160px) sunulan, eğitim için 9.025 ve doğrulama için 3.929 görüntüden oluşan önceden tanımlanmış bir bölümlemeyle birlikte gelir.
• Ayrıca etiketlerin her zaman güvenilir olmadığı daha gerçekçi bir senaryo sunan, gürültülü etiketlere sahip bir sürümü de içerir.

Veri Kümesi Yapısı#

ImageWoof, önceden tanımlanmış bir eğitim/doğrulama bölümlemesiyle birlikte gelir ve her köpek ırkı kendi klasöründe saklanır:

10 sınıfın tamamı köpek ırklarından oluştuğu için bu bölümleme, tam ImageNet veri kümesindeki geniş kapsamlı nesne tanıma yerine ince taneli sınıflandırmayı — görsel olarak benzer kategorileri birbirinden ayırmayı — test etmek üzere tasarlanmıştır.

Uygulamalar#

ImageWoof veri kümesi, daha karmaşık ve benzer sınıflar üzerinde derin öğrenme modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılır. Zorluğu, köpek ırkları arasındaki ince farklılıklardan kaynaklanır ve model performansının ve genelleme yeteneğinin sınırlarını zorlar. Özellikle şu amaçlar için değerlidir:

• İnce taneli kategorilerde sınıflandırma performansını kıyaslama
• Benzer görünümlü sınıflara karşı model dayanıklılığını test etme
• İnce görsel farklılıkları ayırt edebilen algoritmalar geliştirme
• Genel alanlardan özel alanlara aktarım öğrenmesini değerlendirme

Kullanım#

ImageWoof veri kümesi üzerinde 224x224 görüntü boyutuyla 100 epoch boyunca bir sınıflandırma modeli eğitmek için aşağıdaki kod parçacıklarını kullan. Kullanılabilir bağımsız değişkenlerin kapsamlı listesi için model Eğitimi sayfasına başvur.

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="imagewoof", epochs=100, imgsz=224)

Veri Kümesi Sürümleri#

ImageWoof, farklı araştırma ihtiyaçlarına ve hesaplama bütçelerine uyum sağlamak için üç boyutta sunulur:

1. Tam Boyut (imagewoof): Tam boyutlu görüntülere sahip özgün sürümdür; son eğitim ve performans kıyaslaması için idealdir.
2. Orta Boyut (imagewoof320): Görüntüler, maksimum kenar uzunluğu 320 piksel olacak şekilde yeniden boyutlandırılır; model performansından önemli ölçüde ödün vermeden daha hızlı eğitim için uygundur.
3. Küçük Boyut (imagewoof160): Görüntüler, maksimum kenar uzunluğu 160 piksel olacak şekilde yeniden boyutlandırılır; eğitim hızının öncelikli olduğu hızlı prototip oluşturma ve denemeler için tasarlanmıştır.

Bu sürümleri kullanmak için veri kümesi bağımsız değişkenindeki imagewoof ifadesini imagewoof320 veya imagewoof160 ile değiştirmen yeterlidir. Örneğin:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)

# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)

Daha küçük görüntülerin daha düşük sınıflandırma doğruluğu sağlaması olasıdır, ancak model geliştirmenin ilk aşamalarında hızlı yineleme yapmak için mükemmel bir yoldur. Sınıflandırma veri kümelerini yönetebilir ve Ultralytics Platform ile bulutta eğitim çalıştırabilirsin.

Örnek Görüntüler ve Açıklamalar#

ImageWoof veri kümesi, çeşitli köpek ırklarına ait renkli görüntüler içerir ve görüntü sınıflandırma görevleri için zorlu bir veri kümesi sunar. Veri kümesinden bazı görüntü örneklerini aşağıda görebilirsin:

Örnek, farklı köpek ırkları arasındaki ince farkları ve benzerlikleri göstererek sınıflandırma görevinin karmaşıklığını ve zorluğunu vurgular.

Atıflar ve Teşekkürler#

ImageWoof veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, resmî veri kümesi deposuna bağlantı vererek veri kümesinin oluşturucularını lütfen belirt.

Değerli bir kaynak olarak ImageWoof'u oluşturan ve sürdüren fast.ai ekibine, makine öğrenimi ve bilgisayarlı görü araştırma topluluğuna katkılarından dolayı teşekkür ederiz. ImageWoof hakkında daha fazla bilgi için ImageWoof veri kümesi deposunu ziyaret et.

SSS#