ImageNet

ImageNet — это масштабная визуальная база данных, созданная для исследований программного обеспечения в области распознавания визуальных объектов и широко считающаяся катализатором, положившим начало современной революции в области глубокого обучения. Организованный в соответствии с иерархией WordNet, ImageNet содержит миллионы размеченных изображений, распределённых по тысячам категорий, и предоставляет огромный объём данных, необходимый для обучения сложных нейронных сетей. Для исследователей и разработчиков в области компьютерного зрения ImageNet служит стандартным бенчмарком для оценки производительности алгоритмов, особенно в таких задачах, как классификация изображений и локализация объектов.

Соревнование ImageNet и появление CNN#

Датасет получил мировую известность благодаря ежегодному соревнованию ImageNet Large Scale Visual Recognition Challenge (ILSVRC), которое проводилось с 2010 по 2017 год. В рамках этого соревнования алгоритмы должны были классифицировать изображения по одной из 1 000 категорий с высокой точностью. Исторический перелом произошёл в 2012 году, когда архитектура свёрточной нейронной сети (CNN) под названием AlexNet продемонстрировала значительно более низкий уровень ошибок, чем конкурирующие решения. Эта победа показала превосходство глубоких нейронных сетей над традиционными методами извлечения признаков, фактически положив начало современной эре искусственного интеллекта. Сегодня передовые архитектуры, такие как Ultralytics YOLO26, продолжают развивать фундаментальные принципы, сформированные в ходе этих соревнований.

Роль предварительного обучения и трансферного обучения#

Один из наиболее значимых вкладов ImageNet связан с его ролью в трансферном обучении. Обучение глубокой нейронной сети с нуля требует огромных вычислительных ресурсов и больших объёмов обучающих данных. Чтобы обойти это ограничение, разработчики часто используют «предварительно обученные модели» — сети, которые уже научились извлекать информативные представления признаков из ImageNet.

При предварительном обучении на ImageNet модель учится распознавать базовые визуальные элементы, такие как границы, текстуры и формы. Затем эти веса модели можно дообучить на меньшем специализированном датасете для другой задачи. Этот процесс значительно ускоряет циклы разработки и повышает производительность, особенно при использовании таких инструментов, как Ultralytics Platform, для обучения пользовательских моделей.

Практические применения#

Влияние ImageNet выходит далеко за рамки академических исследований и распространяется на практические повседневные системы искусственного интеллекта:

• Автоматизированная оплата покупок: системы, которые автоматически распознают продукты или товары в киосках самообслуживания, используют возможности классификации, отточенные на таких масштабных датасетах, как ImageNet. Различая визуально похожие предметы, например разные сорта яблок, эти системы оптимизируют использование ИИ в розничной торговле.
• Модерация контента: платформы социальных сетей используют визуальное распознавание для автоматического сканирования миллионов загруженных изображений на наличие неприемлемого контента. Базовая способность распознавать объекты и сцены часто обеспечивается бэкбонами, изначально обученными на категориях ImageNet.

ImageNet и COCO в сравнении с CIFAR-10#

Хотя ImageNet считается золотым стандартом для классификации, важно отличать его от других популярных датасетов:

• ImageNet и COCO: датасет COCO (Общие объекты в контексте) является основным бенчмарком для обнаружения объектов и сегментации. Если ImageNet сосредоточен на том, «что» находится на изображении (классификация), то COCO — на том, «где» находятся объекты и каковы их точные границы.
• ImageNet и CIFAR-10: CIFAR-10 — это значительно меньший датасет, состоящий из крошечных изображений размером 32x32 пикселя. Его часто используют для быстрого прототипирования или в образовательных целях, тогда как ImageNet представляет собой профессиональный высококачественный датасет для проверки моделей, готовых к использованию в производственной среде.

Использование предварительно обученных моделей ImageNet#

Современные фреймворки искусственного интеллекта позволяют легко использовать предварительное обучение на ImageNet. В приведённом ниже примере показано, как загрузить модель классификации YOLO26, предварительно обученную на ImageNet, для классификации изображения.

from ultralytics import YOLO

# Load a YOLO26 classification model pre-trained on ImageNet
model = YOLO("yolo26n-cls.pt")

# Perform inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Display the top prediction class name
print(f"Top Class: {results[0].names[results[0].probs.top1]}")

В этом фрагменте используется модель yolo26n-cls.pt, которая выучила 1 000 категорий ImageNet и поэтому сразу распознаёт содержимое входного изображения без дополнительного обучения.