ImageNet

ImageNet — это монументальная база визуальных данных, созданная для исследований в области программного обеспечения для распознавания визуальных объектов. Она по праву считается катализатором, запустившим современную революцию в глубоком обучении. Организованный в соответствии с иерархией WordNet, ImageNet охватывает миллионы размеченных изображений в тысячах категорий, предоставляя огромный объем данных, необходимый для обучения сложных нейронных сетей. Для исследователей и разработчиков в области компьютерного зрения ImageNet служит стандартным эталоном для оценки производительности алгоритмов, особенно в таких задачах, как классификация изображений и локализация объектов.

Link to this sectionКонкурс ImageNet и рост популярности CNN#

Набор данных получил всемирную известность благодаря конкурсу ImageNet Large Scale Visual Recognition Challenge (ILSVRC), который ежегодно проводился с 2010 по 2017 год. Это соревнование требовало от алгоритмов классификации изображений по 1000 категориям с высокой точностью. Исторический перелом произошел в 2012 году, когда архитектура сверточной нейронной сети (CNN), известная как AlexNet, достигла значительно более низкого уровня ошибок по сравнению с конкурентами. Эта победа продемонстрировала превосходство глубоких нейронных сетей над традиционными методами извлечения признаков, эффективно положив начало современной эре ИИ. Сегодня передовые архитектуры, такие как Ultralytics YOLO26, продолжают опираться на фундаментальные принципы, установленные во время этих конкурсов.

Link to this sectionРоль предварительного обучения и трансферного обучения#

Одним из наиболее значимых вкладов ImageNet является его роль в трансферном обучении. Обучение глубокой нейронной сети с нуля требует колоссальных вычислительных ресурсов и огромного количества обучающих данных. Чтобы избежать этого, разработчики часто используют «предварительно обученные модели» — сети, которые уже научились извлекать богатые представления признаков из ImageNet.

Когда модель предварительно обучается на ImageNet, она учится распознавать базовые визуальные элементы, такие как края, текстуры и формы. Эти изученные веса модели затем могут быть донастроены на меньшем, специфическом наборе данных для решения другой задачи. Этот процесс значительно ускоряет циклы разработки и повышает производительность, особенно при использовании таких инструментов, как платформа Ultralytics для обучения пользовательских моделей.

Link to this sectionРеальные приложения#

Влияние ImageNet выходит далеко за рамки академических исследований, проникая в практические, повседневные системы ИИ:

• Автоматизированная розничная оплата: Системы, которые автоматически распознают продукты или товары в киосках самообслуживания, полагаются на возможности классификации, отточенные на огромных наборах данных, таких как ImageNet. Различая визуально похожие объекты (например, разные сорта яблок), эти системы оптимизируют ИИ в розничной торговле.
• Модерация контента: Платформы социальных сетей используют визуальное распознавание для автоматического сканирования миллионов загруженных изображений на предмет неприемлемого контента. Ключевая способность распознавать объекты и сцены часто берется из бэкбонов, изначально обученных на категориях ImageNet.

Link to this sectionImageNet против COCO против CIFAR-10#

Хотя ImageNet является золотым стандартом для классификации, важно отличать его от других популярных наборов данных:

• ImageNet против COCO: Набор данных COCO (Common Objects in Context) является основным эталоном для обнаружения объектов и сегментации. В то время как ImageNet фокусируется на том, «что» находится на изображении (классификация), COCO фокусируется на том, «где» находятся объекты и каковы их точные границы.
• ImageNet против CIFAR-10: CIFAR-10 — это гораздо меньший набор данных, состоящий из крошечных изображений размером 32x32 пикселя. Его часто используют для быстрого прототипирования или в образовательных целях, тогда как ImageNet представляет собой профессиональную задачу высокого разрешения для готовых к эксплуатации моделей.

Link to this sectionИспользование предварительно обученных моделей ImageNet#

Современные ИИ-фреймворки позволяют легко использовать возможности предварительного обучения на ImageNet. В примере ниже показано, как загрузить модель классификации YOLO26, которая поставляется предварительно обученной 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]}")

Этот фрагмент кода использует модель yolo26n-cls.pt, которая изучила 1000 категорий ImageNet, что позволяет ей мгновенно распознавать содержимое входного изображения без дополнительного обучения.