Bộ dữ liệu ImageWoof#

12,951

ImageWoof

ultralytics

publicClassify

ImageWoof is fast.ai's fine-grained ImageNet subset spanning ten visually similar dog breeds. It provides a compact but challenging classification benchmark for learning subtle differences in coat, head shape, body structure, pose, and background context.

10 classes884 MBSep 2, 2026

Shih-TzuRhodesian ridgebackBeagleEnglish foxhound+6

image-classificationimagewoofimagenet+2

Bộ dữ liệu ImageWoof là tập hợp con của ImageNet, gồm 10 lớp giống chó được cố ý chọn sao cho khó phân biệt, do nhóm fast.ai tạo ra như một thử thách khó hơn cho các thuật toán phân loại hình ảnh. Bộ dữ liệu có 12.954 ảnh màu — 9.025 ảnh huấn luyện và 3.929 ảnh validation — thuộc các giống như Beagle, Shih-Tzu và Golden retriever, buộc model phải phân biệt các khác biệt tinh tế ở mức chi tiết thay vì những nhóm đối tượng dễ nhận biết.

Tính năng chính#

• ImageWoof có 12.954 hình ảnh thuộc 10 giống chó: Australian terrier, Border terrier, Samoyed, Beagle, Shih-Tzu, English foxhound, Rhodesian ridgeback, Dingo, Golden retriever và Old English sheepdog.
• Bộ dữ liệu có sẵn tập chia gồm 9.025 ảnh huấn luyện và 3.929 ảnh validation, với nhiều độ phân giải (kích thước đầy đủ, 320px, 160px) để đáp ứng các mức ngân sách tính toán khác nhau.
• Bộ dữ liệu cũng có phiên bản chứa nhãn nhiễu, mô phỏng thực tế hơn trong đó nhãn không phải lúc nào cũng đáng tin cậy.

Cấu trúc dataset#

ImageWoof có sẵn tập chia train/validation, trong đó mỗi giống chó được lưu trong thư mục riêng:

Vì cả 10 lớp đều là giống chó, tập chia được thiết kế để kiểm thử phân loại chi tiết — phân biệt các nhóm có ngoại hình tương tự — thay vì nhận dạng đối tượng tổng quát như trong bộ dữ liệu ImageNet đầy đủ.

Ứng dụng#

Bộ dữ liệu ImageWoof được sử dụng rộng rãi để huấn luyện và đánh giá model deep learning trên các lớp phức tạp hơn và giống nhau hơn. Thử thách nằm ở những khác biệt tinh tế giữa các giống chó, qua đó đẩy giới hạn hiệu năng và khả năng tổng quát hóa của model. ImageWoof đặc biệt hữu ích cho:

• Benchmark hiệu năng phân loại trên các lớp có mức độ chi tiết cao
• Kiểm thử độ bền vững của model trước các lớp có ngoại hình tương tự
• Phát triển thuật toán có khả năng phân biệt những khác biệt thị giác tinh tế
• Đánh giá transfer learning từ miền tổng quát sang miền cụ thể

Cách sử dụng#

Để huấn luyện model phân loại trên bộ dữ liệu ImageWoof trong 100 epoch với kích thước hình ảnh 224x224, hãy dùng các đoạn mã bên dưới. Để xem danh sách đầy đủ các tham số hiện có, hãy tham khảo trang Huấn luyện 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="imagewoof", epochs=100, imgsz=224)

Các biến thể bộ dữ liệu#

ImageWoof có ba kích thước để đáp ứng các nhu cầu nghiên cứu và ngân sách tính toán khác nhau:

1. Kích thước đầy đủ (imagewoof): Phiên bản gốc với hình ảnh kích thước đầy đủ, lý tưởng cho huấn luyện cuối cùng và benchmark hiệu năng.
2. Kích thước trung bình (imagewoof320): Hình ảnh được thay đổi kích thước để có cạnh tối đa 320 pixel, phù hợp cho huấn luyện nhanh hơn mà không làm giảm đáng kể hiệu năng model.
3. Kích thước nhỏ (imagewoof160): Hình ảnh được thay đổi kích thước để có cạnh tối đa 160 pixel, dành cho tạo mẫu thử và thử nghiệm nhanh khi tốc độ huấn luyện là ưu tiên hàng đầu.

Để sử dụng các biến thể này, chỉ cần thay imagewoof trong tham số bộ dữ liệu bằng imagewoof320 hoặc imagewoof160. Ví dụ:

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26n-cls.pt")  # tải model đã huấn luyện trước (được khuyến nghị khi huấn luyện)

# Dành cho bộ dữ liệu kích thước trung bình
model.train(data="imagewoof320", epochs=100, imgsz=224)

# Dành cho bộ dữ liệu kích thước nhỏ
model.train(data="imagewoof160", epochs=100, imgsz=224)

Lưu ý rằng hình ảnh nhỏ hơn có thể làm giảm độ chính xác phân loại, nhưng là lựa chọn tuyệt vời để lặp nhanh trong giai đoạn đầu phát triển model. Bạn cũng có thể quản lý bộ dữ liệu phân loại và chạy huấn luyện trên cloud bằng Ultralytics Platform.

Hình ảnh mẫu và annotation#

Bộ dữ liệu ImageWoof có các hình ảnh màu sắc về nhiều giống chó, tạo nên một bộ dữ liệu đầy thách thức cho các tác vụ phân loại hình ảnh. Sau đây là một số hình ảnh mẫu trong bộ dữ liệu:

Ví dụ này cho thấy những điểm khác biệt và tương đồng tinh tế giữa các giống chó, qua đó nêu bật mức độ phức tạp và khó khăn của tác vụ phân loại.

Trích dẫn và lời cảm ơn#

Nếu sử dụng bộ dữ liệu ImageWoof trong nghiên cứu hoặc công việc phát triển, vui lòng ghi nhận những người tạo bộ dữ liệu bằng cách liên kết đến kho lưu trữ chính thức của bộ dữ liệu.

Chúng tôi xin ghi nhận đóng góp của nhóm fast.ai trong việc tạo và duy trì ImageWoof như một tài nguyên hữu ích cho cộng đồng nghiên cứu machine learning và thị giác máy tính. Để biết thêm thông tin về ImageWoof, hãy truy cập kho lưu trữ bộ dữ liệu ImageWoof.

Câu hỏi thường gặp#