ImageWoof数据集

ImageWoof数据集是ImageNet的一个子集，包含10个难以分类的类别，因为它们都是犬种。它被创建为一个更具挑战性的任务，供图像分类算法解决，旨在鼓励开发更高级的模型。

关键特性

ImageWoof包含10种不同犬种的图像：澳大利亚梗、边境梗、萨摩耶、比格犬、西施犬、英国猎狐犬、罗得西亚脊背犬、澳洲野犬、金毛寻回犬和老英国牧羊犬。
该数据集提供各种分辨率的图像（全尺寸、320px、160px），以适应不同的计算能力和研究需求。
它还包括一个带有噪声标签的版本，提供了一个更现实的场景，其中标签可能并不总是可靠的。

数据集结构

ImageWoof数据集结构基于犬种类别，每个犬种都有自己的图像目录。

应用

ImageWoof数据集广泛用于训练和评估深度学习模型在图像分类任务中的表现，特别是在处理更复杂和相似的类别时。该数据集的挑战在于犬种之间的细微差异，推动了模型性能和泛化能力的极限。

使用方法

要在ImageWoof数据集上训练一个CNN模型，进行100个epoch，图像大小为224x224，您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。

训练示例

PythonCLI

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n-cls.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="imagewoof", epochs=100, imgsz=224)

# 从预训练的*.pt模型开始训练
yolo classify train data=imagewoof model=yolo11n-cls.pt epochs=100 imgsz=224

数据集变体

ImageWoof数据集有三种不同的大小，以适应各种研究需求和计算能力：

全尺寸（imagewoof）：这是ImageWoof数据集的原始版本。它包含全尺寸图像，非常适合最终训练和性能基准测试。
中等尺寸（imagewoof320）：此版本包含调整大小为最大边长320像素的图像。它适用于在不显著牺牲模型性能的情况下进行更快的训练。
小尺寸（imagewoof160）：此版本包含调整大小为最大边长160像素的图像。它设计用于快速原型设计和实验，其中训练速度是优先考虑的。

要在训练中使用这些变体，只需将数据集参数中的'imagewoof'替换为'imagewoof320'或'imagewoof160'。例如：

Example

PythonCLI

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n-cls.pt")  # 加载预训练模型（推荐用于训练）

# 对于中等尺寸数据集
model.train(data="imagewoof320", epochs=100, imgsz=224)

# 对于小尺寸数据集
model.train(data="imagewoof160", epochs=100, imgsz=224)

# 加载预训练模型并在小尺寸数据集上训练
yolo classify train model=yolo11n-cls.pt data=imagewoof320 epochs=100 imgsz=224

需要注意的是，使用较小的图像可能会导致分类准确性方面的性能降低。然而，在模型开发和原型设计的早期阶段，这是一个快速迭代的好方法。

样本图像和注释

ImageWoof数据集包含各种犬种的彩色图像，为图像分类任务提供了一个具有挑战性的数据集。以下是数据集中的一些图像示例：

数据集样本图像

该示例展示了ImageWoof数据集中不同犬种之间的细微差异和相似之处，突出了分类任务的复杂性和难度。

引用和致谢

如果你在研究或开发工作中使用了ImageWoof数据集，请务必通过链接到官方数据集仓库来确认数据集的创建者。

我们想感谢FastAI团队创建并维护ImageWoof数据集，作为机器学习和计算机视觉研究社区的宝贵资源。有关ImageWoof数据集的更多信息，请访问ImageWoof数据集仓库。

常见问题

Ultralytics中的ImageWoof数据集是什么？

ImageWoof数据集是一个专注于10种特定犬种的ImageNet挑战性子集。它旨在推动图像分类模型的极限，包含比格犬、西施犬和金毛猎犬等品种。该数据集包括各种分辨率的图像（全尺寸、320px、160px），甚至包括用于更真实训练场景的噪声标签。这种复杂性使得ImageWoof非常适合开发更高级的深度学习模型。

如何使用Ultralytics YOLO在ImageWoof数据集上训练模型？

要使用Ultralytics YOLO在ImageWoof数据集上训练一个卷积神经网络（CNN）模型，进行100个epoch，图像大小为224x224，可以使用以下代码：

训练示例

PythonCLI

from ultralytics import YOLO

model = YOLO("yolo11n-cls.pt")  # 加载预训练模型
results = model.train(data="imagewoof", epochs=100, imgsz=224)

yolo classify train data=imagewoof model=yolo11n-cls.pt epochs=100 imgsz=224

有关可用训练参数的更多详细信息，请参阅训练页面。