Bộ dữ liệu ImageNet10
Tập dữ liệu ImageNet10 là một tập hợp con quy mô nhỏ của cơ sở dữ liệu ImageNet, được phát triển bởi Ultralytics và được thiết kế cho các thử nghiệm CI, kiểm tra tính hợp lệ và kiểm tra nhanh các quy trình huấn luyện. Tập dữ liệu này bao gồm hình ảnh đầu tiên trong bộ huấn luyện và hình ảnh đầu tiên từ bộ xác thực của 10 lớp đầu tiên trong ImageNet. Mặc dù nhỏ hơn đáng kể, nó vẫn giữ lại cấu trúc và tính đa dạng của tập dữ liệu ImageNet gốc.
Các tính năng chính
- ImageNet10 là một phiên bản thu nhỏ của ImageNet, với 20 hình ảnh đại diện cho 10 lớp đầu tiên của bộ dữ liệu gốc.
- Bộ dữ liệu được tổ chức theo hệ thống phân cấp WordNet, phản ánh cấu trúc của toàn bộ bộ dữ liệu ImageNet.
- Nó lý tưởng phù hợp cho các bài kiểm tra CI, kiểm tra tính hợp lệ và kiểm tra nhanh các quy trình huấn luyện trong các tác vụ thị giác máy tính.
- Mặc dù không được thiết kế để đo điểm chuẩn mô hình, nhưng nó có thể cung cấp một chỉ báo nhanh về chức năng và tính chính xác cơ bản của mô hình.
Cấu trúc bộ dữ liệu
Bộ dữ liệu ImageNet10, giống như ImageNet gốc, được tổ chức bằng hệ thống phân cấp WordNet. Mỗi lớp trong số 10 lớp trong ImageNet10 được mô tả bằng một synset (một tập hợp các thuật ngữ đồng nghĩa). Các hình ảnh trong ImageNet10 được chú thích bằng một hoặc nhiều synset, cung cấp một nguồn tài nguyên nhỏ gọn để kiểm tra các mô hình nhằm nhận dạng các đối tượng khác nhau và mối quan hệ của chúng.
Các ứng dụng
Bộ dữ liệu ImageNet10 rất hữu ích để nhanh chóng kiểm tra và gỡ lỗi các mô hình và quy trình thị giác máy tính. Kích thước nhỏ của nó cho phép lặp lại nhanh chóng, làm cho nó trở nên lý tưởng cho các bài kiểm tra tích hợp liên tục và kiểm tra tính hợp lệ. Nó cũng có thể được sử dụng để kiểm tra sơ bộ nhanh chóng các mô hình mới hoặc các thay đổi đối với các mô hình hiện có trước khi chuyển sang thử nghiệm quy mô đầy đủ với bộ dữ liệu ImageNet hoàn chỉnh.
Cách sử dụng
Để kiểm tra mô hình deep learning trên bộ dữ liệu ImageNet10 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 mô hình.
Ví dụ kiểm tra
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="imagenet10", epochs=5, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224
Ảnh và Chú thích mẫu
Bộ dữ liệu ImageNet10 chứa một tập hợp con các hình ảnh từ bộ dữ liệu ImageNet gốc. Các hình ảnh này được chọn để đại diện cho 10 lớp đầu tiên trong bộ dữ liệu, cung cấp một bộ dữ liệu đa dạng nhưng nhỏ gọn để kiểm tra và đánh giá nhanh.
Ví dụ này thể hiện sự đa dạng và phức tạp của hình ảnh trong bộ dữ liệu ImageNet10, làm nổi bật tính hữu ích của nó trong việc kiểm tra nhanh và kiểm tra tính đúng đắn của các mô hình thị giác máy tính.
Trích dẫn và Lời cảm ơn
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 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. Bộ dữ liệu ImageNet10, mặc dù là một tập hợp con nhỏ gọn, là một nguồn tài nguyên giá trị để kiểm tra và gỡ lỗi nhanh trong 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
Bộ dữ liệu ImageNet10 là gì và nó khác với bộ dữ liệu ImageNet đầy đủ như thế nào?
Tập dữ liệu ImageNet10 là một tập hợp con nhỏ gọn của cơ sở dữ liệu ImageNet gốc, được tạo bởi Ultralytics cho các thử nghiệm CI nhanh, kiểm tra tính hợp lệ và đánh giá quy trình huấn luyện. ImageNet10 chỉ bao gồm 20 hình ảnh, đại diện cho hình ảnh đầu tiên trong bộ huấn luyện và xác thực của 10 lớp đầu tiên trong ImageNet. Mặc dù có kích thước nhỏ, nó vẫn duy trì cấu trúc và tính đa dạng của toàn bộ tập dữ liệu, khiến nó trở nên lý tưởng cho việc kiểm tra nhanh nhưng không dùng để đánh giá các mô hình.
Làm thế nào để sử dụng bộ dữ liệu ImageNet10 để kiểm tra mô hình học sâu của tôi?
Để kiểm tra mô hình deep learning của bạn trên bộ dữ liệu ImageNet10 với kích thước ảnh 224x224, hãy sử dụng các đoạn mã sau.
Ví dụ kiểm tra
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="imagenet10", epochs=5, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224
Tham khảo trang Huấn luyện để có danh sách đầy đủ các đối số có sẵn.
Tại sao tôi nên sử dụng bộ dữ liệu ImageNet10 cho các bài kiểm tra CI và kiểm tra tính hợp lệ?
Bộ dữ liệu ImageNet10 được thiết kế đặc biệt cho các bài kiểm tra CI, kiểm tra tính hợp lệ và đánh giá nhanh trong các quy trình học sâu. Kích thước nhỏ của nó cho phép lặp lại và kiểm tra nhanh chóng, làm cho nó hoàn hảo cho các quy trình tích hợp liên tục, nơi tốc độ là rất quan trọng. Bằng cách duy trì sự phức tạp về cấu trúc và tính đa dạng của bộ dữ liệu ImageNet gốc, ImageNet10 cung cấp một chỉ báo đáng tin cậy về chức năng cơ bản và tính chính xác của mô hình mà không cần xử lý một bộ dữ liệu lớn.
Các tính năng chính của bộ dữ liệu ImageNet10 là gì?
Bộ dữ liệu ImageNet10 có một số tính năng chính:
- Kích thước Nhỏ gọn: Chỉ với 20 hình ảnh, nó cho phép kiểm tra và gỡ lỗi nhanh chóng.
- Cấu trúc có tổ chức: Tuân theo hệ thống phân cấp WordNet, tương tự như bộ dữ liệu ImageNet đầy đủ.
- CI và Kiểm tra Tính Hợp lý: Lý tưởng cho các bài kiểm tra tích hợp liên tục và kiểm tra tính hợp lý.
- Không Dùng để Đánh Giá Hiệu Năng: Mặc dù hữu ích cho việc đánh giá nhanh mô hình, nhưng nó không được thiết kế để đánh giá hiệu năng một cách mở rộng.
ImageNet10 so sánh với các bộ dữ liệu nhỏ khác như ImageNette như thế nào?
Mặc dù cả ImageNet10 và ImageNette đều là tập hợp con của ImageNet, nhưng chúng phục vụ các mục đích khác nhau. ImageNet10 chỉ chứa 20 hình ảnh (2 trên mỗi lớp) từ 10 lớp đầu tiên của ImageNet, làm cho nó cực kỳ nhẹ để kiểm tra CI và kiểm tra nhanh tính hợp lệ. Ngược lại, ImageNette chứa hàng nghìn hình ảnh trên 10 lớp dễ phân biệt, làm cho nó phù hợp hơn cho việc huấn luyện và phát triển mô hình thực tế. ImageNet10 được thiết kế để xác minh chức năng của pipeline, trong khi ImageNette tốt hơn cho các thử nghiệm huấn luyện có ý nghĩa nhưng nhanh hơn toàn bộ ImageNet.