ImageNet10 数据集

ImageNet10数据集是 ImageNet数据库的小规模子集，由 Ultralytics开发的一个小规模子集，设计用于 CI 测试、正确性检查和训练管道的快速测试。该数据集由ImageNet 前 10 个类别的训练集中的第一张图像和验证集中的第一张图像组成。虽然规模小了很多，但它保留了原始ImageNet 数据集的结构和多样性。

主要功能

• ImageNet10 是ImageNet 的精简版，由 20 幅图像组成，代表原始数据集的前 10 个类别。
• 该数据集按照 WordNet 层次结构组织，与整个ImageNet 数据集的结构如出一辙。
• 它非常适合 CI 测试、完整性检查以及在计算机视觉任务中快速测试训练管道。
• 虽然它不是为模型基准测试而设计的，但它可以快速指示模型的基本功能和正确性。

数据集结构

ImageNet10 数据集与最初的 ImageNet一样，采用 WordNet 层次结构组织。ImageNet10 中的 10 个类别分别由一个同义词集（同义词的集合）来描述。ImageNet10 中的图像都标注了一个或多个同义词集，为测试识别各种对象及其关系的模型提供了紧凑的资源。

应用

ImageNet10 数据集可用于快速测试和调试计算机视觉模型和管道。该数据集体积小，可快速迭代，是持续集成测试和正确性检查的理想之选。在使用完整的ImageNet 数据集进行全面测试之前，它还可用于对新模型或现有模型的更改进行快速初步测试。

用法

要在 ImageNet10 数据集上测试图像大小为 224x224 的深度学习模型，可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-cls.pt epochs=5 imgsz=224

Sample Images 和注释

ImageNet10 数据集包含原始ImageNet 数据集中的一个图像子集。这些图像被选来代表数据集中的前 10 个类别，为快速测试和评估提供了一个多样而紧凑的数据集。

该示例展示了 ImageNet10 数据集中图像的多样性和复杂性，突出了它在健全性检查和计算机视觉模型快速测试中的实用性。

引用和致谢

如果您在研究或开发工作中使用 ImageNet10 数据集，请引用原始ImageNet 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 团队创建并维护了ImageNet 数据集。ImageNet10 数据集虽然是一个紧凑的子集，却是机器学习和计算机视觉研究界进行快速测试和调试的宝贵资源。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

什么是 ImageNet10 数据集，它与完整的ImageNet 数据集有何不同？

ImageNet10数据集是原始 ImageNet数据库的紧凑子集，由Ultralytics 创建，用于快速 CI 测试、正确性检查和训练管道评估。ImageNet10 仅包含 20 幅图像，代表ImageNet 前 10 个类别的训练集和验证集中的第一幅图像。尽管规模较小，但它保持了完整数据集的结构和多样性，因此非常适合快速测试，但不适合作为模型的基准。

如何使用 ImageNet10 数据集来测试我的深度学习模型？

要在 ImageNet10 数据集上测试图像大小为 224x224 的深度学习模型，请使用以下代码片段。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-cls.pt epochs=5 imgsz=224

有关可用参数的完整列表，请参阅训练页面。

为什么我应该使用 ImageNet10 数据集进行 CI 测试和完整性检查？

ImageNet10 数据集是专为深度学习管道中的 CI 测试、正确性检查和快速评估而设计的。该数据集体积小，可进行快速迭代和测试，非常适合对速度要求极高的持续集成流程。通过保持原始ImageNet 数据集的结构复杂性和多样性，ImageNet10 可以可靠地显示模型的基本功能和正确性，而无需处理大型数据集。

ImageNet10 数据集的主要特点是什么？

ImageNet10 数据集具有以下几个关键特性：

• 尺寸紧凑: 仅包含 20 张图像，可以进行快速测试和调试。
• 结构化组织：遵循 WordNet 层次结构，类似于完整的ImageNet 数据集。
• CI 和健全性检查: 非常适合持续集成测试和健全性检查。
• 不适用于基准测试: 虽然对于快速模型评估很有用，但它并非设计用于广泛的基准测试。

ImageNet10 与 ImageNette 等其他小型数据集相比如何？

虽然ImageNet10和ImageNette都是ImageNet 的子集，但它们有不同的用途。ImageNet10 只包含ImageNet 前 10 个类别中的 20 幅图像（每类 2 幅），因此对于 CI 测试和快速正确性检查来说非常轻便。相比之下，ImageNette 包含了 10 个易于区分的类中的数千张图像，因此更适合实际的模型训练和开发。ImageNet10 专为验证管道功能而设计，而 ImageNette 则更适合进行有意义但ImageNet ImageNet 更快的训练实验。

📅 2 年前创建 ✏️ 8 个月前更新

评论