Tập dữ liệu ImageWoof#
Dataset ImageWoof là một tập con của ImageNet bao gồm 10 lớp giống chó rất khó phân biệt, được tạo bởi fast.ai nhằm đặt ra thử thách khó khăn hơn cho các thuật toán image classification. Nó chứa 12.954 ảnh màu — 9.025 ảnh cho huấn luyện và 3.929 ảnh cho xác thực — trên các giống chó như Beagle, Shih-Tzu và Golden retriever, buộc các model phải phân biệt các điểm khác biệt nhỏ có độ chi tiết cao thay vì các danh mục đối tượng rõ ràng.
Tính 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.
Cấu 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.
Ứng dụng#
Dataset ImageWoof được sử dụng rộng rãi để huấn luyện và đánh giá các model deep learning trên các lớp tương tự và phức tạp hơn. Thử thách của nó nằm ở những khác biệt nhỏ 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
Cách sử dụng#
Để huấn luyện một model phân loại trên dataset ImageWoof trong 100 epochs với kích thước ảnh 224x224, hãy sử dụng các đoạn mã bên dưới. Để có danh sách toàn diện các đối số có sẵn, hãy tham khảo trang Training 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)Các 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 đo lường hiệu suất. - Kích thước trung bình (
imagewoof320): Ảnh được thay đổi kích thước với chiều dài cạnh tối đa là 320 pixel, thích hợp cho việc huấn luyện nhanh hơn mà không làm giảm đáng kể hiệu suất của 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 nơi tốc độ huấn luyện là ưu tiên hàng đầu.
Để sử dụng các biến thể này, chỉ cần thay thế imagewoof trong đối số dataset 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 accuracy phân loại thấp hơn, nhưng chúng là một cách tuyệt vời để lặp lại nhanh chóng trong các giai đoạn đầu phát triển model. Bạn cũng có thể quản lý các dataset phân loại và chạy huấn luyện trên đám mây với Ultralytics Platform.
Hình 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.
Trích dẫn và Ghi nhận#
Nếu bạn sử dụng dataset ImageWoof trong công việc nghiên cứu hoặc phát triển của mình, vui lòng ghi nhận công lao của những người tạo ra dataset bằng cách liên kết đến official dataset repository.
Chúng tôi muốn gửi lời cảm ơn đến đội ngũ fast.ai vì đã tạo và duy trì ImageWoof như một tài nguyên có giá trị cho cộng đồng nghiên cứu machine learning và computer vision. Để biết thêm thông tin về ImageWoof, hãy truy cập ImageWoof dataset repository.
Câu hỏi thường gặp#
Dataset ImageWoof là một tập con đầy thử thách của ImageNet tập trung vào 10 giống chó, chứa 12.954 ảnh (9.025 ảnh huấn luyện và 3.929 ảnh xác thực). Được tạo bởi fast.ai nhằm đẩy giới hạn của các model phân loại ảnh, dataset này có các giống chó như Beagle, Shih-Tzu và Golden retriever. Dataset có sẵn ở nhiều độ phân giải khác nhau (kích thước đầy đủ, 320px, 160px) và thậm chí 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 nâng cao.
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.
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:
Ví dụ về Trainingfrom 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 có sẵn, hãy tham khảo trang Training.
Tập dữ liệu ImageWoof có ba kích thước:
- Kích thước đầy đủ (
imagewoof): Lý tưởng cho việc huấn luyện cuối cùng và benchmark, chứa các ảnh kích thước đầy đủ. - Kích thước trung bình (
imagewoof320): Ảnh đã được thay đổi kích thước với chiều dài cạnh tối đa là 320 pixel, thích hợp để huấn luyện nhanh hơn. - Kích thước nhỏ (
imagewoof160): Ảnh đã được 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
imagewooftrong đối số dataset cho phù hợp. Lưu ý rằng các ảnh nhỏ hơn có thể mang lại accuracy phân loại thấp hơn nhưng rất hữu ích cho các vòng lặp nhanh hơn.- Kích thước đầy đủ (
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.
Thử thách chính của ImageWoof nằm ở những khác biệt nhỏ giữa các giống chó mà nó bao gồm. Vì nó tập trung vào 10 giống có họ hàng gần nhau, việc phân biệt giữa chúng đòi hỏi các model phân loại ảnh tiên tiến và được tinh chỉnh tốt hơn. Điều này làm cho ImageWoof trở thành một benchmark xuất sắc để kiểm tra năng lực và những cải tiến của các model deep learning.