Bộ dữ liệu ImageNet10#
Bộ dữ liệu ImageNet10 của Ultralytics (data="imagenet10") là tập con nhỏ gồm 24 ảnh của ImageNet, bao gồm 10 lớp đầu tiên, được xây dựng cho các bài kiểm tra tích hợp liên tục, kiểm tra nhanh tính hợp lệ và xác thực nhanh pipeline huấn luyện. Bộ dữ liệu gồm 12 ảnh huấn luyện và 12 ảnh validation, được sắp xếp theo cùng cấu trúc thư mục synset WordNet như bộ dữ liệu đầy đủ; do đó, model huấn luyện trên ImageNet cũng có thể huấn luyện trên ImageNet10 mà không cần thay đổi — chỉ trong vài giây thay vì vài giờ. Bộ dữ liệu được thiết kế để xác minh pipeline chạy xuyên suốt từ đầu đến cuối, không phải để benchmark độ chính xác.
Tính năng chính#
- ImageNet10 chỉ có 24 ảnh (12 ảnh huấn luyện, 12 ảnh validation) lấy từ 10 lớp đầu tiên của ImageNet.
- Bộ dữ liệu được tổ chức theo hệ phân cấp WordNet, mô phỏng các thư mục synset riêng cho từng lớp của bộ ImageNet đầy đủ.
- Bộ dữ liệu được xây dựng chuyên biệt cho các bài kiểm tra tích hợp liên tục, kiểm tra nhanh tính hợp lệ và gỡ lỗi nhanh pipeline huấn luyện trong các tác vụ thị giác máy tính.
- Mặc dù không được thiết kế để benchmark model, bộ dữ liệu này giúp nhanh chóng đánh giá chức năng và tính chính xác cơ bản của model.
Cấu trúc dataset#
ImageNet10 đi kèm cách chia tập xác định trước, sử dụng 10 lớp đầu tiên của bộ dữ liệu ImageNet đầy đủ (n01440764 cá chày đến n01518878 đà điểu):
| Tập dữ liệu | Hình ảnh | Các lớp |
|---|---|---|
| Huấn luyện | 12 | 10 |
| Validation | 12 | 10 |
Mỗi lớp trong số 10 lớp là một synset WordNet (một tập hợp các từ đồng nghĩa); ảnh nằm trong các thư mục riêng cho từng lớp được đặt tên theo ID synset — đúng với cấu trúc mà quy trình huấn luyện phân loại của Ultralytics yêu cầu. Nhờ vậy, ImageNet10 là tập thay thế nhỏ gọn, giữ nguyên cấu trúc của bộ dữ liệu đầy đủ khi kiểm tra model có nhận diện đúng định dạng thư mục mong đợi hay không.
Khám phá ImageNet10 trên Ultralytics Platform để duyệt ảnh được nhóm theo lớp, xem phân bố lớp trong tab Biểu đồ và sao chép bộ dữ liệu để huấn luyện model của riêng bạn trên cloud.
Ứng dụng#
Bộ dữ liệu ImageNet10 hữu ích để nhanh chóng kiểm tra và gỡ lỗi các model và pipeline thị giác máy tính. Kích thước nhỏ cho phép lặp lại nhanh, rất phù hợp cho các bài kiểm tra tích hợp liên tục và kiểm tra nhanh tính hợp lệ. Bộ dữ liệu này cũng hữu ích cho việc kiểm tra sơ bộ nhanh các model mới hoặc thay đổi mã trước khi chuyển sang các lần chạy quy mô đầy đủ với bộ dữ liệu ImageNet hoàn chỉnh.
Cách sử dụng#
Để kiểm tra model phân loại trên bộ dữ liệu ImageNet10 với kích thước ảnh 224x224, hãy sử dụng các đoạn mã bên dưới. Để xem danh sách toàn diện các tham số hiện có, hãy tham khảo trang Huấn luyện của model.
from ultralytics import YOLO
# Tải model
model = YOLO("yolo26n-cls.pt") # tải model đã huấn luyện trước (được khuyến nghị khi huấn luyện)
# Huấn luyện model
results = model.train(data="imagenet10", epochs=5, imgsz=224)Hình ảnh mẫu và annotation#
Bộ dữ liệu ImageNet10 chứa một tập hợp con hình ảnh từ bộ dữ liệu ImageNet gốc, được chọn từ 10 lớp đầu tiên để tạo nên một tài nguyên đa dạng nhưng gọn nhẹ, phục vụ kiểm thử và đánh giá nhanh.
Ví dụ này cho thấy sự đa dạng và độ phức tạp của hình ảnh trong bộ dữ liệu ImageNet10, qua đó nêu bật tính hữu ích của bộ dữ liệu cho các bước kiểm tra cơ bản và kiểm thử nhanh model thị giác máy tính.
Trích dẫn và lời cảm ơn#
Nếu sử dụng bộ dữ liệu ImageNet10 trong nghiên cứu hoặc công việc phát triển, 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 xin ghi nhận đóng góp của nhóm ImageNet, do Olga Russakovsky, Jia Deng và Li Fei-Fei dẫn dắt, trong việc tạo và duy trì bộ dữ liệu ImageNet. Tập hợp con ImageNet10 do Ultralytics tạo ra là một tài nguyên hữu ích để kiểm thử nhanh và gỡ lỗi trong cộng đồng nghiên cứu machine learning và thị giác máy tính. Để biết thêm thông tin về bộ dữ liệu ImageNet và những người tạo ra bộ dữ liệu, hãy truy cập trang web ImageNet.
Câu hỏi thường gặp#
Bộ dữ liệu ImageNet10 là tập hợp con gọn nhẹ của cơ sở dữ liệu ImageNet, do Ultralytics tạo ra để chạy kiểm thử CI nhanh, kiểm tra cơ bản và đánh giá pipeline huấn luyện. Bộ dữ liệu gồm 24 hình ảnh (12 ảnh huấn luyện và 12 ảnh validation) thuộc 10 lớp đầu tiên của ImageNet. Dù có quy mô nhỏ, bộ dữ liệu vẫn giữ cấu trúc thư mục WordNet của bộ dữ liệu đầy đủ, phù hợp để kiểm thử pipeline nhanh nhưng không phù hợp để benchmark độ chính xác của model.
ImageNet10 có tổng cộng 24 hình ảnh — 12 ảnh huấn luyện và 12 ảnh validation — thuộc 10 lớp đầu tiên của ImageNet. Mỗi lớp là một synset WordNet được lưu trong thư mục riêng, vì vậy bộ dữ liệu phản ánh bố cục của bộ dữ liệu ImageNet đầy đủ với quy mô nhỏ hơn nhiều.
Để kiểm thử model phân loại trên ImageNet10 với kích thước hình ảnh 224x224, hãy dùng các đoạn mã sau.
Ví dụ kiểm thửfrom ultralytics import YOLO # Tải model model = YOLO("yolo26n-cls.pt") # tải model đã huấn luyện trước (được khuyến nghị khi huấn luyện) # Huấn luyện model results = model.train(data="imagenet10", epochs=5, imgsz=224)Tham khảo trang Huấn luyện để xem danh sách đầy đủ các tham số hiện có.
ImageNet10 được thiết kế chuyên biệt cho kiểm thử CI, kiểm tra cơ bản và đánh giá nhanh trong các pipeline deep learning. Quy mô 24 hình ảnh cho phép lặp gần như tức thì, rất phù hợp với tích hợp liên tục, nơi tốc độ đóng vai trò then chốt. Bằng cách giữ nguyên cấu trúc thư mục của bộ dữ liệu ImageNet đầy đủ, ImageNet10 giúp kiểm tra đáng tin cậy chức năng và tính chính xác cơ bản của model mà không phải xử lý một bộ dữ liệu lớn.
Mặc dù ImageNet10 và ImageNette đều là các tập hợp con của ImageNet, chúng phục vụ những mục đích khác nhau. ImageNet10 chỉ có 24 hình ảnh thuộc 10 lớp đầu tiên, nên cực kỳ gọn nhẹ để kiểm thử CI và kiểm tra cơ bản nhanh. Ngược lại, ImageNette có hơn 13.000 hình ảnh thuộc 10 lớp dễ phân biệt, phù hợp cho huấn luyện và phát triển model thực tế. ImageNet10 xác minh chức năng của pipeline, còn ImageNette phù hợp hơn cho các thử nghiệm huấn luyện có ý nghĩa nhưng nhanh hơn so với ImageNet đầy đủ.