Link to this sectionTập dữ liệu ImageWoof#
Tập dữ liệu ImageWoof là một tập hợp con của ImageNet bao gồm 10 giống chó được chọn lọc cố ý để khó phân biệt, do fast.ai tạo ra như một thử thách khó hơn cho các thuật toán phân loại hình ảnh. Nó chứa 12.954 ảnh màu — 9.025 ảnh để huấn luyện và 3.929 ảnh để kiểm thử — thuộc các giống như Beagle, Shih-Tzu và Golden retriever, buộc các model phải phân biệt các điểm khác biệt nhỏ tinh vi thay vì các danh mục đối tượng rõ ràng.
Link to this sectionTính năng chính#
- ImageWoof chứa 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.
- Nó đi kèm với phân tách định sẵn gồm 9.025 ảnh huấn luyện và 3.929 ảnh kiểm thử, có sẵn ở nhiều độ phân giải khác nhau (kích thước đầy đủ, 320px, 160px) để phù hợp với các ngân sách tính toán khác nhau.
- Nó cũng bao gồm một phiên bản với các nhãn nhiễu, cung cấp kịch bản thực tế hơn nơi các nhãn không phải lúc nào cũng đáng tin cậy.
Link to this sectionCấu trúc tập dữ liệu#
ImageWoof đi kèm với phân tách huấn luyện/kiểm thử được định nghĩa trước, trong đó mỗi giống chó được lưu trữ trong thư mục riêng:
| Split | Hình ảnh | Các lớp |
|---|---|---|
| Huấn luyện (Train) | 9.025 | 10 |
| Validation | 3.929 | 10 |
Vì tất cả 10 lớp đều là giống chó, việc phân tách được thiết kế để kiểm tra phân loại chi tiết — phân biệt các danh mục có hình ảnh tương tự nhau — thay vì nhận diện đối tượng rộng như tập dữ liệu ImageNet đầy đủ.
Link to this sectionỨng dụng#
Tập dữ liệu ImageWoof được sử dụng rộng rãi để huấn luyện và đánh giá các model deep learning trên các lớp phức tạp và tương đồng hơn. Thử thách của nó nằm ở những khác biệt tinh tế giữa các giống chó, đẩy giới hạn về hiệu suất và khả năng tổng quát hóa của model. Nó đặc biệt có giá trị cho:
- Đánh giá hiệu suất phân loại trên các danh mục chi tiết
- Kiểm tra độ bền bỉ của model chống lại các lớp trông tương tự nhau
- Phát triển các thuật toán có thể phân biệt các khác biệt trực quan tinh tế
- Đánh giá học chuyển giao từ các miền chung sang miền cụ thể
Link to this sectionCách sử dụng#
Để huấn luyện một model phân loại trên tập dữ liệu ImageWoof trong 100 epoch với kích thước ảnh 224x224, hãy sử dụng các đoạn mã bên dưới. Để có danh sách đầy đủ các đối số khả dụng, hãy tham khảo trang Huấn luyện 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="imagewoof", epochs=100, imgsz=224)Link to this sectionCác biến thể tập dữ liệu#
ImageWoof có ba kích thước để đáp ứng các nhu cầu nghiên cứu và ngân sách tính toán khác nhau:
- Kích thước đầy đủ (
imagewoof): Phiên bản gốc với ảnh kích thước đầy đủ, lý tưởng cho việc huấn luyện cuối cùng và đánh giá hiệu suất. - Kích thước trung bình (
imagewoof320): Ảnh được thay đổi kích thước với chiều dài cạnh tối đa là 320 pixel, phù hợp để huấn luyện nhanh hơn mà không làm giảm đáng kể hiệu suất model. - Kích thước nhỏ (
imagewoof160): Ảnh được thay đổi kích thước với chiều dài cạnh tối đa là 160 pixel, được thiết kế để tạo mẫu nhanh và thử nghiệm khi tốc độ huấn luyện là ưu tiên hàng đầu.
Để sử dụng các biến thể này, chỉ cần thay thế imagewoof trong đối số tập dữ liệu bằng imagewoof320 hoặc imagewoof160. Ví dụ:
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training)
# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)
# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)Lưu ý rằng ảnh nhỏ hơn có thể mang lại độ chính xác phân loại thấp hơn, nhưng chúng là cách tuyệt vời để lặp lại nhanh chóng trong các giai đoạn đầu của quá trình phát triển model. Bạn cũng có thể quản lý các tập dữ liệu phân loại và chạy huấn luyện trên đám mây với Ultralytics Platform.
Link to this sectionHình ảnh mẫu và chú thích#
Tập dữ liệu ImageWoof chứa những hình ảnh đầy màu sắc của nhiều giống chó khác nhau, cung cấp một tập dữ liệu đầy thử thách cho các tác vụ phân loại hình ảnh. Dưới đây là một số ví dụ về hình ảnh từ tập dữ liệu:
Ví dụ này cho thấy những khác biệt và điểm tương đồng tinh tế giữa các giống chó khác nhau, làm nổi bật sự phức tạp và khó khăn của tác vụ phân loại.
Link to this sectionTrích dẫn và Ghi nhận#
Nếu bạn sử dụng tập dữ liệu ImageWoof trong công việc nghiên cứu hoặc phát triển của mình, vui lòng ghi nhận công lao của những người tạo ra tập dữ liệu bằng cách liên kết đến kho lưu trữ tập dữ liệu chính thức.
Chúng tôi muốn ghi nhận đội ngũ fast.ai vì đã tạo và duy trì ImageWoof như một nguồn tài nguyên quý giá cho cộng đồng nghiên cứu machine learning và computer vision. Để biết thêm thông tin về ImageWoof, hãy truy cập kho lưu trữ tập dữ liệu ImageWoof.
Link to this sectionCâu hỏi thường gặp#
Link to this sectionTập dữ liệu ImageWoof trong Ultralytics là gì?#
Tập dữ liệu ImageWoof là một tập hợp con đầy thách thức của ImageNet tập trung vào 10 giống chó, chứa 12.954 hình ảnh (9.025 huấn luyện và 3.929 kiểm thử). Được tạo ra bởi fast.ai nhằm đẩy giới hạn của các model phân loại hình ảnh, nó bao gồm các giống chó như Beagle, Shih-Tzu và Golden retriever. Tập dữ liệu có sẵn ở các độ phân giải khác nhau (kích thước đầy đủ, 320px, 160px) và thậm chí còn bao gồm các nhãn nhiễu cho các kịch bản huấn luyện thực tế hơn, làm cho nó trở nên lý tưởng để phát triển các model deep learning tiên tiến.
Link to this sectionImageWoof có bao nhiêu hình ảnh và giống chó?#
ImageWoof chứa tổng cộng 12.954 hình ảnh — 9.025 để huấn luyện và 3.929 để kiểm thử — thuộc 10 giống chó: Australian terrier, Border terrier, Samoyed, Beagle, Shih-Tzu, English foxhound, Rhodesian ridgeback, Dingo, Golden retriever và Old English sheepdog. Mỗi giống chó được lưu trữ trong thư mục riêng, tuân theo bố cục phân loại tiêu chuẩn mà Ultralytics mong đợi.
Link to this sectionLàm thế nào để tôi huấn luyện một model bằng tập dữ liệu ImageWoof với Ultralytics YOLO?#
Để huấn luyện một model phân loại trên tập dữ liệu ImageWoof bằng Ultralytics YOLO trong 100 epoch với kích thước ảnh 224x224, hãy sử dụng mã sau:
from ultralytics import YOLO
model = YOLO("yolo26n-cls.pt") # Load a pretrained model
results = model.train(data="imagewoof", epochs=100, imgsz=224)Để biết thêm chi tiết về các đối số huấn luyện khả dụng, hãy tham khảo trang Huấn luyện.
Link to this sectionCó những phiên bản nào của tập dữ liệu ImageWoof?#
Tập dữ liệu ImageWoof có ba kích thước:
- Kích thước đầy đủ (
imagewoof): Lý tưởng để huấn luyện cuối cùng và đánh giá, chứa các hình ảnh kích thước đầy đủ. - Kích thước trung bình (
imagewoof320): Hình ảnh đã thay đổi kích thước với chiều dài cạnh tối đa là 320 pixel, phù hợp để huấn luyện nhanh hơn. - Kích thước nhỏ (
imagewoof160): Hình ảnh đã thay đổi kích thước với chiều dài cạnh tối đa là 160 pixel, hoàn hảo để tạo mẫu nhanh.
Sử dụng các phiên bản này bằng cách thay thế imagewoof trong đối số tập dữ liệu cho phù hợp. Lưu ý rằng ảnh nhỏ hơn có thể cho độ chính xác phân loại thấp hơn nhưng rất hữu ích cho việc lặp lại nhanh hơn.
Link to this sectionCác nhãn nhiễu trong tập dữ liệu ImageWoof có lợi ích gì cho việc huấn luyện?#
Các nhãn nhiễu trong tập dữ liệu ImageWoof mô phỏng các điều kiện thực tế nơi các nhãn không phải lúc nào cũng chính xác. Huấn luyện các model với dữ liệu này giúp phát triển độ bền bỉ và khả năng tổng quát hóa trong các tác vụ phân loại hình ảnh. Nó chuẩn bị cho các model cách xử lý dữ liệu mơ hồ hoặc bị dán nhãn sai một cách hiệu quả, điều thường gặp trong các ứng dụng thực tế.
Link to this sectionNhững thách thức chính khi sử dụng tập dữ liệu ImageWoof là gì?#
Thách thức chính của ImageWoof nằm ở những khác biệt tinh tế giữa các giống chó mà nó bao gồm. Vì nó tập trung vào 10 giống chó có liên quan chặt chẽ, việc phân biệt giữa chúng đòi hỏi các model phân loại hình ảnh tiên tiến và được tinh chỉnh tốt hơn. Điều này khiến ImageWoof trở thành một tiêu chuẩn tuyệt vời để kiểm tra khả năng và sự cải tiến của các model deep learning.