Bộ dữ liệu ImageNet10#
Dataset Ultralytics ImageNet10 (data="imagenet10") là một tập dữ liệu nhỏ gồm 24 ảnh từ ImageNet bao gồm 10 lớp đầu tiên, được xây dựng cho các bài kiểm tra continuous integration, kiểm tra độ hợp lệ (sanity checks) và xác thực nhanh các pipeline huấn luyện. Tập này chứa 12 ảnh huấn luyện và 12 ảnh validation được tổ chức theo cấu trúc thư mục WordNet-synset giống như tập dữ liệu đầy đủ, do đó một model huấn luyện trên ImageNet cũng có thể huấn luyện trên ImageNet10 mà không cần thay đổi — tính bằng giây thay vì giờ. Nó được thiết kế để xác minh rằng pipeline chạy từ đầu đến cuối, không dùng để đo chuẩn accuracy.
Tính năng chính#
- ImageNet10 chỉ chứa 24 hình ảnh (12 đào tạo, 12 kiểm chứng) được lấy từ 10 lớp đầu tiên của ImageNet.
- Bộ dữ liệu này được tổ chức theo hệ thống phân cấp WordNet, phản chiếu các thư mục synset theo từng lớp của bộ dữ liệu ImageNet đầy đủ.
- Tập dữ liệu này được xây dựng chuyên dụng cho các bài kiểm tra continuous integration, kiểm tra độ hợp lệ và gỡ lỗi nhanh các pipeline huấn luyện trong các tác vụ computer vision.
- Mặc dù không được thiết kế để làm chuẩn so sánh model, nó cung cấp dấu hiệu nhanh về chức năng cơ bản và tính đúng đắn của model.
Cấu trúc tập dữ liệu#
ImageNet10 đi kèm với một phân tách được định nghĩa sẵn, sử dụng 10 lớp đầu tiên của tập dữ liệu ImageNet đầy đủ (n01440764 tench đến n01518878 ostrich):
| Split | Hình ảnh | Các lớp |
|---|---|---|
| Huấn luyện (Train) | 12 | 10 |
| Validation | 12 | 10 |
Mỗi trong số 10 lớp là một WordNet synset (một tập hợp các thuật ngữ đồng nghĩa), và các hình ảnh nằm trong các thư mục theo lớp được đặt tên theo ID synset — bố cục chính xác mà việc đào tạo phân loại của Ultralytics mong đợi. Điều này làm cho ImageNet10 trở thành một lựa chọn thay thế nhỏ gọn và chính xác về cấu trúc cho bộ dữ liệu đầy đủ khi kiểm tra xem một model có nhận dạng đúng định dạng thư mục mong đợi hay không.
Khám phá ImageNet10 trên Ultralytics Platform để duyệt qua các ảnh được nhóm theo lớp, xem phân phối lớp trong tab Charts, và clone nó để huấn luyện model của riêng bạn trên đám mây.
Ứng dụng#
Tập dữ liệu ImageNet10 rất hữu ích để kiểm tra và gỡ lỗi nhanh các model và pipeline computer vision. Kích thước nhỏ giúp lặp lại nhanh chóng, làm cho nó trở nên lý tưởng cho các bài kiểm tra continuous integration và kiểm tra độ hợp lệ. Nó cũng rất tiện lợi cho việc kiểm tra sơ bộ nhanh các model mới hoặc các thay đổi code trước khi chuyển sang chạy toàn diện với tập dữ liệu ImageNet hoàn chỉnh.
Cách sử dụng#
Để kiểm tra một classification model trên tập dữ liệu ImageNet10 với kích thước ảnh 224x224, hãy sử dụng các đoạn code bên dưới. Để có danh sách toàn diện các tham số có sẵn, hãy tham khảo trang Training của model.
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="imagenet10", epochs=5, imgsz=224)Hình ảnh mẫu và chú thích#
Bộ dữ liệu ImageNet10 chứa một tập hợp con các hình ảnh từ bộ dữ liệu ImageNet gốc, được chọn để đại diện cho 10 lớp đầu tiên của nó và cung cấp một tài nguyên đa dạng nhưng nhỏ gọn cho việc kiểm tra và đánh giá nhanh.
Ví dụ này giới thiệu sự đa dạng và phức tạp của các hình ảnh trong bộ dữ liệu ImageNet10, làm nổi bật sự hữu ích của nó cho việc kiểm tra tính hợp lệ và thử nghiệm nhanh các model thị giác máy tính.
Trích dẫn và Ghi nhận#
Nếu bạn sử dụng bộ dữ liệu ImageNet10 trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo ImageNet gốc:
@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 muốn gửi lời cảm ơn đến nhóm ImageNet, dẫn đầu bởi Olga Russakovsky, Jia Deng và Li Fei-Fei, vì đã tạo và duy trì tập dữ liệu ImageNet. Tập con ImageNet10, được tạo bởi Ultralytics, là một tài nguyên quý giá để kiểm tra và gỡ lỗi nhanh trong cộng đồng nghiên cứu machine learning và computer vision. Để biết thêm thông tin về tập dữ liệu ImageNet và những người tạo ra nó, hãy truy cập website ImageNet.
Câu hỏi thường gặp#
Tập dữ liệu ImageNet10 là một tập con nhỏ gọn của cơ sở dữ liệu ImageNet, do Ultralytics tạo ra để kiểm tra CI nhanh, kiểm tra độ hợp lệ và đánh giá pipeline huấn luyện. Nó chứa 24 ảnh (12 ảnh huấn luyện và 12 ảnh validation) từ 10 lớp đầu tiên của ImageNet. Dù kích thước nhỏ, nó vẫn giữ nguyên cấu trúc thư mục WordNet của tập dữ liệu đầy đủ, giúp nó trở nên lý tưởng cho việc kiểm tra pipeline nhanh chóng nhưng không phải để đo chuẩn độ chính xác của model.
ImageNet10 chứa tổng cộng 24 hình ảnh — 12 cho đào tạo và 12 cho kiểm chứng — trải rộng trên 10 lớp đầu tiên của ImageNet. Mỗi lớp là một WordNet synset được lưu trữ trong thư mục riêng của nó, vì vậy bộ dữ liệu phản chiếu bố cục của bộ dữ liệu ImageNet đầy đủ với kích thước chỉ bằng một phần nhỏ.
Để kiểm tra model phân loại của bạn trên ImageNet10 tại kích thước hình ảnh 224x224, hãy sử dụng các đoạn mã sau.
Ví dụ kiểm trafrom 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="imagenet10", epochs=5, imgsz=224)Tham khảo trang Training để xem danh sách đầy đủ các tham số có sẵn.
ImageNet10 được thiết kế đặc biệt cho các bài kiểm tra CI, kiểm tra độ hợp lệ và đánh giá nhanh trong các pipeline deep learning. Kích thước 24 ảnh cho phép lặp lại gần như tức thì, làm cho nó trở nên lý tưởng cho continuous integration nơi tốc độ là yếu tố cốt yếu. Bằng cách giữ nguyên cấu trúc thư mục của tập dữ liệu ImageNet đầy đủ, nó cung cấp một cách kiểm tra đáng tin cậy về tính năng cơ bản và độ chính xác của model mà không gặp gánh nặng xử lý một tập dữ liệu lớn.
Mặc dù cả ImageNet10 và ImageNette đều là các tập con của ImageNet, chúng phục vụ các mục đích khác nhau. ImageNet10 chỉ chứa 24 ảnh từ 10 lớp đầu tiên, làm cho nó cực kỳ nhẹ cho việc kiểm tra CI và kiểm tra độ hợp lệ nhanh. Ngược lại, ImageNette chứa hơn 13.000 ảnh trên 10 lớp dễ phân biệt, thích hợp cho việc huấn luyện và phát triển model thực tế. ImageNet10 xác minh tính năng của pipeline, trong khi ImageNette tốt hơn cho các thí nghiệm huấn luyện có ý nghĩa nhưng nhanh hơn so với ImageNet đầy đủ.