imagenet数据库（ImageNet数据集 & 下载）

时间2025-05-01 09:55:28分类IT科技浏览10432

导读：1. ImageNet 说明...

1. ImageNet 说明

ImageNet官网：http://image-net.org/

ImageNet 由斯坦福李飞飞教授带领创建，ImageNet 本身有2万多个的类别，超过 1400 万张图片，其中超过 100 万张图片有明确类别标注和物体位置标注。

ImageNet 按照 WordNet 层级结构组织数据，首先介绍一下 WordNet 。在 WordNet 中每一个概念（concept）都会由很多个词（word）或者短语（word phrase）来描述，就好比说 “动物 animal ” 作为一个 concept ，可以包含 “domestic animal 家畜 ” 、“work animal 役畜 ” 等 work phrase ，而 “domestic animal 家畜 ” 又可以继续细分为 “domestic dog ” 、“dog ” 等。因此将每一个 concept 记作一个 “synonym set 或 synset ”（同义词集合）。WordNet 中包含超过 100,000 个 synset ，其中 80,000+ 是名词。WordNet 以 Synset 为基本单位来组织单词，可以认为 WordNet 是一个树状结构，从其根结点到叶子结点是一个不断细分的过程，并且每个结点都是一个 Synset 。

ImageNet 包含 82,115 个 Synset（均为 WordNet 中的名词），平均在每个 Synset 上都设置了 1,000 张图像。

适用任务：图像分类，目标检测，目标定位、视频目标检测、场景分类

特别解释：ILSVRC (ImageNet Large-Scale Visual Recognition Challenge) 是一个基于 ImageNet 的比赛，每年都会从ImageNet中抽取部分数据作为比赛数据集。ILSVRC 从 2010 年开始举行，每年一次，到 2017 年最后一届结束，因此 “ILSVRC+年份 ” 也用来特指某一年比赛的数据集（属于ImageNet的子集），基于 ILSVRC 比赛的子数据集也是各种论文中最常用的数据集。

2. ILSVRC2012 说明

很多论文都常用 ILSVRC2012 作为实验数据集，ILSVRC2012 包含1000个类别（ImageNet 的 1000 个 Synset），每个类别大约有1000张图片。其中测试集未公开标注信息

，因此常用验证集来进行模型的测试。

ILSVRC2012 的类别编号和类别名称参考：类别名称对应表 ILSVRC2012 类别数 (Number of classes) 图片数 (Number of images) 文件大小 (Size on disk) 标注训练集 1000类约120万张图片 ~140GB 公开验证集 1000类 5万张图片 ~6GB 公开测试集 1000类 10万张图片 ~13GB 未公开

在官网下载ILSVRC2012时，可以看到训练数据集（Training images）被分为了 (Task1 & 2) 和 (Task 3) ，其中 (Task 1 & 2) 是用于图像识别任务的。

验证集（Validation images）对应的标注信息在Development kit (Task 1 & 2)中，下载压缩包后解压，找到ILSVRC2012_devkit_t12/data文件夹，里面的ILSVRC2012_validation_ground_truth.txt就是验证集对应的标注label。

3. ImageNet下载方式

ImageNet不可用于商业目的，因此需要认证edu邮箱，直接用学校邮箱认证的话请求会立马通过，如果用其他后缀的普通邮箱需要审核1~5天还不一定能审核通过。用学校邮箱认证之后会收到邮件，从邮件内提供的链接就可以进入数据的Download页面，ILSVRC下面按照年份分类，一般最常用的就是ILSVRC 2012 ，可以根据自己的需要选择年份。进入之后在Images条目下就是Train/Val/Test数据。

step1

：进入Download页面 - 按需选择ILSVRC年份：

step2

：在Images部分就是训练/验证/测试数据集

关于下载方式，如果不方便从官网下载，可以选择以下备用方案：方式1：https://hyper.ai/datasets/4889 方式2：迅雷种子下载，提取码 x7jn 方式3：ImageNet LSVRC 2012 Training Set (Object Detection)

4. ImageNet数据组织与使用

仍以 ILSVRC 2012 为例，在这里能够下载到关于 ILSVRC 2012 的所有数据文件。其中，带有 bbox 标识的用于目标检测

任务，包括以下 4 个文件：

用于图像分类

任务的包含以下 4 个文件：其中 train 分为了 train 和 train_t3 ，分别对应着 task 1&2 和 task 3 。

devkit 工具包包含以下 2 个文件：

训练集 ILSVRC2012_img_train 下包含两级目录，第一级目录包含 1000 个子文件夹，对应 1000 个类别。每个二级目录包含 1300 张图片，表示每个类别提供了 1300

个样本。每个子文件夹的名称为 n******，其下对应的图片名称也以文件夹名称为前缀，其后为图片序号。

验证集 ILSVRC2012_img_val 下包含 50K 张图片，可以看到验证集图片名称前缀没有类别信息。要获取验证集标签信息，需要从 ILSVRC2012_devkit_t12/data 中的 ILSVRC2012_validation_ground_truth.txt 得到。

1. 解压 train 和 val 数据 ，由于 test 数据未提供标签，因此这里不使用。 # 解压trian数据 tar -xvf ILSVRC2012_img_train.tar # 解压val数据 mkdir ILSVRC2012_img_val tar -xvf ILSVRC2012_img_val.tar -C ILSVRC2012_img_val # 解压devkit tar -xzvf ILSVRC2012_devkit_t12.tar.gz

2. 重新组织 val 数据 ，按照 train 数据的组织方式，对 val 数据进行处理，方便后续训练验证时对数据的加载。

def imagenet_val_process(images_dir, devkit_dir): """ move val images to correspongding class folders. """ # load synset, val ground truth and val images list synset = scipy.io.loadmat(os.path.join(devkit_dir, data, meta.mat)) ground_truth = open(os.path.join(devkit_dir, data, ILSVRC2012_validation_ground_truth.txt)) lines = ground_truth.readlines() labels = [int(line[:-1]) for line in lines] root, _, filenames = next(os.walk(images_dir)) for filename in filenames: # val image name -> ILSVRC ID -> WIND val_id = int(filename.split(.)[0].split(_)[-1]) ILSVRC_ID = labels[val_id - 1] WIND = synset[synsets][ILSVRC_ID - 1][0][1][0] print("val_id:%d, ILSVRC_ID:%d, WIND:%s" % (val_id, ILSVRC_ID, WIND)) # move val images output_dir = os.path.join(root, WIND) if os.path.isdir(output_dir): pass else: os.mkdir(output_dir) shutil.move(os.path.join(root, filename), os.path.join(output_dir, filename)) if __name__ == __main__: img_dir = "/data/imagenet/ILSVRC2012_img_val" dev_dir = "/data/imagenet/ILSVRC2012_devkit_t12" imagenet_val_process(img_dir, dev_dir)

重新组织后的 val 数据与 train 数据的组织方式相同，按照二级目录的方式，包含 1000 个子文件夹（类别），每个子文件夹下包含 50

张用于验证的图片。

3. ImageNet 数据读取（PyTorch）

一种比较简单的读取方式是，使用 PyTorch 中自带的库 ImageFolder 。ImageFolder 适合读取数据组织结构如下的数据集：

--| root ----| class1 ------| img1.png ------| img2.png ------| ... ----| class2 ------| ... ----| class3 ------| ...

即数据按照两级目录组织，第一级目录是类别，第二级是每个类别对应的所有样本。

import torchvision.transforms as transforms from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder data_transform = transforms.Compose([ transforms.Resize(299), transforms.CenterCrop(299), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 使用ImageFolder读取 train_dataset = ImageFolder(root=/data/imagenet/ILSVRC2012_img_train,transform=data_transform) train_dataset_loader = DataLoader(train_dataset, batch_size=4, shuffle=False, num_workers=4) print(train_dataset.imgs == train_dataset.samples) # True for i, (images, labels) in enumerate(train_dataset_loader): print(images.size()) print(labels.size())

通过 ImageFolder 读取的结果，可以看到包含以下内容：

其中：

class：List，包含 1000 个类别名称 class_to_idx：Dict ，每个类别名称字符串与其对应的类别序号 imgs 和 samples：List ，每个 List 元素为 Tuple，为每张图片的路径和其对应的类别序号 targets：List ，每张图片对应的类别序号

施工中…

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。