ImageNet

El dataset de imágenes que catalizó la revolución del deep learning en visión por computadora.

ÁreaVisión por Computadora
DominioVisión Por Computadora
DificultadAvanzado
Tamaño~14 millones de imágenes · Subset ILSVRC de 1.2M/1,000 clases
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Entrenar o hacer fine-tuning de modelos de clasificación de imágenes a gran escala
  • Usar modelos preentrenados en ImageNet como base para transfer learning
  • Entender el benchmark que definió el progreso de la visión por computadora moderna

Descripción

ImageNet organiza millones de imágenes según la jerarquía léxica de WordNet, y su subconjunto de la competencia ILSVRC (1.2 millones de imágenes, 1,000 clases) fue el benchmark que catalizó el auge del deep learning en 2012 con AlexNet. Prácticamente todo modelo de visión preentrenado usa estos pesos como punto de partida.

Casos de uso

  • Transfer learning para tareas de clasificación de imágenes propias
  • Benchmarking de nuevas arquitecturas de redes neuronales
  • Investigación en visión por computadora de vanguardia
  • Preentrenamiento base para tareas de detección o segmentación

Cómo cargarlo

Cómo cargarlopython
import torchvision.models as models

modelo = models.resnet50(weights="IMAGENET1K_V2")
modelo.eval()

Ventajas y limitaciones

Ventajas

  • Estándar histórico de referencia, con miles de modelos preentrenados disponibles
  • Diversidad de clases y escenas que mejora la generalización de los modelos
  • Base de transfer learning casi universal en visión por computadora

Limitaciones

  • Descargar y almacenar el dataset completo requiere infraestructura considerable
  • Se han documentado sesgos y errores de etiquetado en una porción no trivial de las imágenes

Datasets relacionados