ImageNet 数据集#
Ultralytics ImageNet 数据集（data="imagenet"）是用于训练和评估图像分类模型的 ImageNet-1k / ILSVRC-2012 子集。它包含 1,000 个对象类别、1,281,167 张训练图像和 50,000 张验证图像，图像大小为 224x224，下载数据量约为 144 GB。更广泛的 ImageNet 数据库要大得多——拥有超过 1400 万张高分辨率图像，并带有跨越 20,000 多个类别的 WordNet 同义词集注释，但 Ultralytics 使用的是标准化的 1,000 类 ILSVRC 子集进行训练，该子集已成为计算机视觉中深度学习的事实标准基准。
ImageNet 预训练模型#
| 模型 | 尺寸 (像素) | 准确率 top1 | 准确率 top5 | 速度 CPU ONNX (ms) | 速度 T4 TensorRT10 (ms) | 参数量 (M) | FLOPs (B) at 224 |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.5 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.6 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.9 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.2 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.6 |
主要特性#
- Ultralytics
imagenet数据集提供 1,000 个类别以及 1,281,167 张训练图像和 50,000 张验证图像（ILSVRC-2012），这是图像分类的标准预训练基准。 - 类别按照 WordNet 层级结构组织，每个类别对应一个同义词集 (synset，即一组同义词)。
- 图像在 224x224 尺寸下进行训练，完整数据集的下载大小约为 ~144 GB。
- 年度 ImageNet 大规模视觉识别挑战赛 (ILSVRC) 在推动计算机视觉研究方面发挥了重要作用。
数据集结构#
Ultralytics ImageNet 数据集使用 ILSVRC-2012 划分：
| 拆分 | 图像 | 类别 |
|---|---|---|
| 训练 | 1,281,167 | 1,000 |
| 验证 | 50,000 | 1,000 |
图像存储在以 WordNet 同义词集 ID 命名的按类别划分的文件夹中（例如 n01440764），这也是 Ultralytics 分类训练所期望的布局。这 1,000 个类别中的每一个都映射到一个 WordNet 同义词集，并且没有单独的测试拆分，因此使用 50,000 张图像的验证集来衡量准确率。
ImageNet-1k 的下载量约为 144 GB，因此在训练前请确保你有足够的磁盘空间。对于快速实验，较小的 ImageNette 和 ImageNet10 子集使用相同的文件夹格式，并且只需极少的时间即可完成训练。
ImageNet 大规模视觉识别挑战赛 (ILSVRC)#
一年一度的ImageNet 大规模视觉识别挑战赛 (ILSVRC)让研究人员能够在具有一致评估指标的大规模、标准化数据集上对算法进行基准测试。它推动了图像分类、对象检测和其他视觉任务中深度学习的重大进展——最显著的是 AlexNet 在 2012 年的获胜，这帮助开启了现代深度学习时代。
应用#
ImageNet 数据集被广泛用于训练和评估用于图像分类、对象检测和对象定位的深度学习模型。AlexNet、VGG 和 ResNet 等里程碑式架构都是在 ImageNet 上开发和进行基准测试的，并且 ImageNet 预训练权重仍然是跨视觉任务进行迁移学习的常见起点。
用法#
要在 ImageNet 上以 224x224 的图像大小训练 YOLO 分类模型 100 个周期，请使用下面的代码片段。有关可用参数的完整列表，请参考模型训练页面。
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="imagenet", epochs=100, imgsz=224)你还可以通过 Ultralytics 平台在云端管理分类数据集并运行训练。
样本图像和标注#
ImageNet 数据集涵盖了 1,000 个 ILSVRC-2012 类别，为训练和评估计算机视觉模型提供了多样且广泛的资源。以下是数据集中的一些图像示例：
引用与致谢#
如果你在研究或开发工作中使用 ImageNet 数据集，请引用以下论文：
@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}
}我们要感谢由 Olga Russakovsky、Jia Deng 和 Li Fei-Fei 领导的 ImageNet 团队，感谢他们创建和维护 ImageNet 数据集，为机器学习和计算机视觉研究社群提供了一个宝贵的资源。有关 ImageNet 数据集及其创建者的更多信息，请访问 ImageNet 网站。
常见问题解答#
ImageNet 数据集是一个大规模图像数据库，其更广泛的集合包含超过 1400 万张带有 WordNet 同义词集注释的高分辨率图像。在 Ultralytics 中，
data="imagenet"在标准化的 1,000 类 ILSVRC-2012 子集上进行训练，这是图像分类预训练的事实标准基准。AlexNet、VGG 和 ResNet 等里程碑式模型都在 ImageNet 上进行了训练和基准测试，凸显了其在推动计算机视觉发展方面的作用。Ultralytics
imagenet数据集使用 ILSVRC-2012 子集，具有 1,000 个类别、1,281,167 张训练图像和 50,000 张验证图像，图像大小为 224x224，总下载量约为 144 GB。完整的 ImageNet 数据库要大得多（在 20,000 多个 WordNet 同义词集中有超过 1400 万张图像），但 1,000 类子集是用于分类训练和基准测试的子集。要在 ImageNet 上训练 Ultralytics YOLO 模型，请加载预训练的分类模型并将
data指向imagenet：训练示例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="imagenet", epochs=100, imgsz=224)有关更深入的训练说明，请参考我们的训练页面。
Ultralytics YOLO26 预训练模型在各种计算机视觉任务的速度和准确率方面提供了一流的性能。例如，YOLO26n-cls 模型具有 71.4% 的 top-1 准确率和 90.1% 的 top-5 准确率，针对实时应用进行了优化。预训练模型减少了从头开始训练所需的计算资源并加速了开发周期。在ImageNet 预训练模型部分了解有关 YOLO26 模型性能指标的更多信息。
一年一度的ImageNet 大规模视觉识别挑战赛 (ILSVRC)通过为在大规模、标准化数据集上评估算法提供竞争平台，推动了计算机视觉的进展。其一致的评估指标促进了图像分类、对象检测和图像分割领域的创新，不断突破深度学习和计算机视觉的界限。