Bộ dữ liệu ImageNet10
Tập dữ liệu ImageNet10 là một tập con quy mô nhỏ của cơ sở dữ liệu ImageNet, được phát triển bởi Ultralytics và được thiết kế cho các kiểm tra CI, kiểm tra tính hợp lệ và kiểm thử nhanh các pipeline huấn luyện. Tập dữ liệu này bao gồm hình ảnh đầu tiên trong tập huấn luyện và hình ảnh đầu tiên từ tập xác thực của 10 lớp đầu tiên trong ImageNet. Mặc dù nhỏ hơn đáng kể, nó vẫn giữ được cấu trúc và sự đa dạng của tập dữ liệu ImageNet gốc.
Các tính năng chính
- ImageNet10 là một phiên bản thu gọn của ImageNet, với 20 hình ảnh đại diện cho 10 lớp đầu tiên của tập dữ liệu gốc.
- Tập dữ liệu được tổ chức theo hệ thống phân cấp WordNet, phản ánh cấu trúc của tập dữ liệu ImageNet đầy đủ.
- 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
Tập dữ liệu ImageNet10, giống như ImageNet gốc, được tổ chức bằng cách sử dụng hệ thống phân cấp WordNet. Mỗi 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 tài nguyên nhỏ gọn để kiểm thử các mô hình nhận dạng các đối tượng khác nhau và mối quan hệ của chúng.
Các ứng dụng
Tập dữ liệu ImageNet10 hữu ích cho việc kiểm thử và gỡ lỗi nhanh chóng các mô hình và pipeline thị giác máy tính. Kích thước nhỏ của nó cho phép lặp lại nhanh chóng, làm cho nó lý tưởng cho các kiểm tra tích hợp liên tục và kiểm tra tính hợp lệ. Nó cũng có thể được sử dụng để kiểm thử sơ bộ nhanh các mô hình mới hoặc các thay đổi đối với các mô hình hiện có trước khi chuyển sang kiểm thử quy mô đầy đủ với tập 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("yolo26n-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=yolo26n-cls.pt epochs=5 imgsz=224
Ảnh và Chú thích mẫu
Tập dữ liệu ImageNet10 chứa một tập con hình ảnh từ tập dữ liệu ImageNet gốc. Những hình ảnh này được chọn để đại diện cho 10 lớp đầu tiên trong tập dữ liệu, cung cấp một tập dữ liệu đa dạng nhưng nhỏ gọn để kiểm thử và đánh giá nhanh chóng.
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 tập 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 đội ngũ ImageNet, do Olga Russakovsky, Jia Deng và Li Fei-Fei dẫn dắt, vì đã tạo ra và duy trì tập dữ liệu ImageNet. Tập dữ liệu ImageNet10, mặc dù là một tập con thu gọn, là một tài nguyên quý giá để kiểm thử và gỡ lỗi nhanh chóng trong cộng đồng nghiên cứu học máy và thị giác máy tính. Để biết thêm thông tin về tập dữ liệu ImageNet và những người tạo ra nó, hãy truy cập trang web ImageNet.
Câu hỏi thường gặp
Tập dữ liệu ImageNet10 là gì và nó khác gì so với tập dữ liệu ImageNet đầy đủ?
Tập dữ liệu ImageNet10 là một tập con thu gọn của cơ sở dữ liệu ImageNet gốc, được Ultralytics tạo ra để kiểm tra CI nhanh chóng, kiểm tra tính hợp lệ và đánh giá pipeline huấn luyện. ImageNet10 chỉ bao gồm 20 hình ảnh, đại diện cho hình ảnh đầu tiên trong tập huấn luyện và tập xác thực của 10 lớp đầu tiên trong ImageNet. Mặc dù có kích thước nhỏ, nó vẫn duy trì cấu trúc và sự đa dạng của tập dữ liệu đầy đủ, làm cho nó lý tưởng để kiểm thử nhanh nhưng không dùng để đánh giá hiệu năng (benchmarking) 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("yolo26n-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=yolo26n-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?
Tập dữ liệu ImageNet10 được thiết kế đặc biệt cho các kiểm tra CI, kiểm tra tính hợp lệ và đánh giá nhanh trong các pipeline học sâu. Kích thước nhỏ của nó cho phép lặp lại và kiểm thử nhanh chóng, làm cho nó hoàn hảo cho các quy trình tích hợp liên tục (continuous integration) nơi tốc độ là yếu tố then chốt. Bằng cách duy trì sự phức tạp về cấu trúc và sự đa dạng của tập dữ liệu ImageNet gốc, ImageNet10 cung cấp một chỉ báo đáng tin cậy về chức năng cơ bản và tính đúng đắn của mô hình mà không cần đến chi phí xử lý một tập 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.
- Tổ chức có cấu trúc: Tuân theo hệ thống phân cấp WordNet, tương tự như tập 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 các tập con của ImageNet, nhưng chúng phục vụ các mục đích khác nhau. ImageNet10 chỉ chứa 20 hình ảnh (2 hình mỗi lớp) từ 10 lớp đầu tiên của ImageNet, làm cho nó cực kỳ nhẹ để kiểm tra CI và kiểm tra tính hợp lệ nhanh chóng. Ngược lại, ImageNette chứa hàng nghìn hình ảnh thuộc 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 so với ImageNet đầy đủ.
