Bộ dữ liệu ImageNet
ImageNet là một cơ sở dữ liệu quy mô lớn gồm các hình ảnh được chú thích, được thiết kế để sử dụng trong nghiên cứu nhận dạng đối tượng trực quan. Nó chứa hơn 14 triệu hình ảnh, mỗi hình ảnh được chú thích bằng cách sử dụng WordNet synsets, khiến nó trở thành một trong những tài nguyên phong phú nhất hiện có để đào tạo các mô hình học sâu trong các tác vụ thị giác máy tính.
Các mô hình được huấn luyện trước trên ImageNet
Mô hình | Kích thước (pixels) |
acc top1 |
acc top5 |
Tốc độ CPU ONNX (ms) |
Tốc độ T4 TensorRT10 (ms) |
Tham số (M) |
FLOPs (B) ở 224 |
---|---|---|---|---|---|---|---|
YOLO11n-cls | 224 | 70.0 | 89.4 | 5.0 ± 0.3 | 1.1 ± 0.0 | 1.6 | 0.5 |
YOLO11s-cls | 224 | 75.4 | 92.7 | 7.9 ± 0.2 | 1.3 ± 0.0 | 5.5 | 1.6 |
YOLO11m-cls | 224 | 77.3 | 93.9 | 17.2 ± 0.4 | 2.0 ± 0.0 | 10.4 | 5.0 |
YOLO11l-cls | 224 | 78.3 | 94.3 | 23.2 ± 0.3 | 2.8 ± 0.0 | 12.9 | 6.2 |
YOLO11x-cls | 224 | 79.5 | 94.9 | 41.4 ± 0.9 | 3.8 ± 0.0 | 28.4 | 13.7 |
Các tính năng chính
- ImageNet chứa hơn 14 triệu hình ảnh có độ phân giải cao trải rộng trên hàng nghìn danh mục đối tượng.
- Bộ dữ liệu được tổ chức theo hệ thống phân cấp WordNet, với mỗi synset đại diện cho một danh mục.
- ImageNet được sử dụng rộng rãi để đào tạo và đánh giá trong lĩnh vực thị giác máy tính, đặc biệt cho các tác vụ phân loại hình ảnh và phát hiện đối tượng.
- Cuộc thi ImageNet Large Scale Visual Recognition Challenge (ILSVRC) hàng năm đóng vai trò quan trọng trong việc thúc đẩy nghiên cứu thị giác máy tính.
Cấu trúc bộ dữ liệu
Bộ dữ liệu ImageNet được tổ chức bằng cách sử dụng hệ thống phân cấp WordNet. Mỗi nút trong hệ thống phân cấp đại diện cho một danh mục và mỗi danh mục được mô tả bởi một synset (một tập hợp các thuật ngữ đồng nghĩa). Các hình ảnh trong ImageNet được chú thích bằng một hoặc nhiều synset, cung cấp một nguồn tài nguyên phong phú để huấn luyện các mô hình nhận dạng các đối tượng khác nhau và mối quan hệ của chúng.
Thử thách Nhận dạng Hình ảnh Quy mô Lớn ImageNet (ILSVRC)
Cuộc thi ImageNet Large Scale Visual Recognition Challenge (ILSVRC) hàng năm là một sự kiện quan trọng trong lĩnh vực thị giác máy tính. Nó đã cung cấp một nền tảng cho các nhà nghiên cứu và phát triển để đánh giá các thuật toán và mô hình của họ trên một bộ dữ liệu quy mô lớn với các số liệu đánh giá tiêu chuẩn. ILSVRC đã dẫn đến những tiến bộ đáng kể trong việc phát triển các mô hình deep learning cho phân loại hình ảnh, phát hiện đối tượng và các tác vụ thị giác máy tính khác.
Các ứng dụng
Bộ dữ liệu ImageNet được sử dụng rộng rãi để huấn luyện và đánh giá các mô hình học sâu trong các tác vụ thị giác máy tính khác nhau, chẳng hạn như phân loại hình ảnh, phát hiện đối tượng và bản địa hóa đối tượng. Một số kiến trúc học sâu phổ biến, chẳng hạn như AlexNet, VGG và ResNet, đã được phát triển và đánh giá bằng bộ dữ liệu ImageNet.
Cách sử dụng
Để huấn luyện một mô hình học sâu trên bộ dữ liệu ImageNet trong 100 epochs với kích thước ảnh 224x224, bạn có thể sử dụng các đoạn mã sau. Để có danh sách đầy đủ các đối số có sẵn, hãy tham khảo trang Huấn luyện của mô hình.
Ví dụ huấn luyện
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224
Ảnh và Chú thích mẫu
Bộ dữ liệu ImageNet chứa các hình ảnh độ phân giải cao bao gồm hàng ngàn danh mục đối tượng, cung cấp một bộ dữ liệu đa dạng và phong phú để huấn luyện và đánh giá các mô hình thị giác máy tính. Dưới đây là một vài ví dụ về hình ảnh từ bộ dữ liệu:
Ví dụ này thể hiện sự đa dạng và phức tạp của hình ảnh trong bộ dữ liệu ImageNet, làm nổi bật tầm quan trọng của một bộ dữ liệu đa dạng để huấn luyện các mô hình thị giác máy tính mạnh mẽ.
Trích dẫn và Lời cảm ơn
Nếu bạn sử dụng bộ dữ liệu ImageNet trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo sau:
@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}
}
Chúng tôi xin ghi nhận công của nhóm ImageNet, do Olga Russakovsky, Jia Deng và Li Fei-Fei dẫn đầu, vì đã tạo ra và duy trì bộ dữ liệu ImageNet như một nguồn tài nguyên giá trị cho cộng đồng nghiên cứu học máy và thị giác máy tính. Để biết thêm thông tin về bộ dữ liệu ImageNet và những người tạo ra nó, hãy truy cập trang web ImageNet.
Câu hỏi thường gặp
Tập dữ liệu ImageNet là gì và nó được sử dụng như thế nào trong lĩnh vực thị giác máy tính?
Bộ dữ liệu ImageNet là một cơ sở dữ liệu quy mô lớn bao gồm hơn 14 triệu hình ảnh có độ phân giải cao được phân loại bằng cách sử dụng các synset WordNet. Nó được sử dụng rộng rãi trong nghiên cứu nhận dạng đối tượng trực quan, bao gồm phân loại hình ảnh và phát hiện đối tượng. Các chú thích và khối lượng lớn của bộ dữ liệu cung cấp một nguồn tài nguyên phong phú để huấn luyện các mô hình học sâu. Đáng chú ý, các mô hình như AlexNet, VGG và ResNet đã được huấn luyện và đánh giá bằng ImageNet, thể hiện vai trò của nó trong việc thúc đẩy thị giác máy tính.
Làm thế nào để sử dụng mô hình YOLO đã được huấn luyện trước cho phân loại ảnh trên bộ dữ liệu ImageNet?
Để sử dụng mô hình Ultralytics YOLO đã được huấn luyện trước để phân loại hình ảnh trên bộ dữ liệu ImageNet, hãy làm theo các bước sau:
Ví dụ huấn luyện
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="imagenet", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet model=yolo11n-cls.pt epochs=100 imgsz=224
Để có hướng dẫn đào tạo chuyên sâu hơn, hãy tham khảo trang Đào tạo của chúng tôi.
Tại sao tôi nên sử dụng các mô hình Ultralytics YOLO11 đã được huấn luyện trước cho các dự án tập dữ liệu ImageNet của mình?
Các mô hình Ultralytics YOLO11 được huấn luyện trước mang lại hiệu suất vượt trội về tốc độ và độ chính xác cho nhiều tác vụ thị giác máy tính. Ví dụ: mô hình YOLO11n-cls, với độ chính xác top-1 là 70.0% và độ chính xác top-5 là 89.4%, được tối ưu hóa cho các ứng dụng thời gian thực. Các mô hình được huấn luyện trước giúp giảm tài nguyên tính toán cần thiết để huấn luyện từ đầu và đẩy nhanh chu kỳ phát triển. Tìm hiểu thêm về các số liệu hiệu suất của mô hình YOLO11 trong phần Mô hình được huấn luyện trước trên ImageNet.
Cấu trúc của tập dữ liệu ImageNet như thế nào và tại sao nó lại quan trọng?
Bộ dữ liệu ImageNet được tổ chức bằng cách sử dụng hệ thống phân cấp WordNet, trong đó mỗi nút trong hệ thống phân cấp đại diện cho một danh mục được mô tả bởi một synset (một tập hợp các thuật ngữ đồng nghĩa). Cấu trúc này cho phép chú thích chi tiết, làm cho nó lý tưởng để huấn luyện các mô hình nhận dạng nhiều loại đối tượng. Sự đa dạng và phong phú trong chú thích của ImageNet làm cho nó trở thành một bộ dữ liệu có giá trị để phát triển các mô hình học sâu mạnh mẽ và có khả năng tổng quát hóa cao. Bạn có thể tìm hiểu thêm về cấu trúc này trong phần Cấu trúc bộ dữ liệu.
Vai trò của cuộc thi ImageNet Large Scale Visual Recognition Challenge (ILSVRC) trong lĩnh vực thị giác máy tính là gì?
Cuộc thi ImageNet Large Scale Visual Recognition Challenge (ILSVRC) hàng năm đóng vai trò then chốt trong việc thúc đẩy những tiến bộ trong thị giác máy tính bằng cách cung cấp một nền tảng cạnh tranh để đánh giá các thuật toán trên một bộ dữ liệu tiêu chuẩn, quy mô lớn. Nó cung cấp các số liệu đánh giá tiêu chuẩn, thúc đẩy sự đổi mới và phát triển trong các lĩnh vực như phân loại hình ảnh, phát hiện đối tượng và phân đoạn hình ảnh. Thử thách này liên tục thúc đẩy các giới hạn của những gì có thể với deep learning và các công nghệ thị giác máy tính.