Addestra un classificatore di immagini

La struttura del dataset in cartelle#

I dataset di classificazione sono directory, non file YAML. Imposta data= sulla cartella radice:

parts/
├── train/
│   ├── good/      img_0001.jpg ...
│   ├── scratch/   img_0412.jpg ...
│   └── dent/      img_0733.jpg ...
└── val/
    ├── good/
    ├── scratch/
    └── dent/

Ecco cosa fa il caricatore, in base al codice sorgente installato e alla guida ai dataset di classificazione:

Sulla Ultralytics Platform, un dataset di classificazione contiene un'etichetta a livello di immagine per ogni immagine, anziché forme:

Addestra su MNIST160#

MNIST160 contiene 160 cifre scritte a mano, 80 in train/ e 80 in test/, ciascuna suddivisa in dieci cartelle, una per cifra: un dataset abbastanza piccolo per un test rapido su CPU. Non ha una cartella val/, quindi verifica che il caricatore mostri l'avviso e usi come alternativa test/:

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")
model.train(data="mnist160", epochs=1, imgsz=64, device="cpu")
metrics = model.val()
print(f"top-1: {metrics.top1:.3f}  top-5: {metrics.top5:.3f}")

WARNING ⚠️ Dataset 'split=val' not found, using 'split=test' instead.
val: .../datasets/mnist160/test... found 80 images in 10 classes ✅
                   all      0.162      0.463
top-1: 0.162  top-5: 0.463

Un'epoca sposta appena la nuova testa a dieci classi. Nella nostra esecuzione, epochs=10 ha raggiunto un'accuratezza top-1 di 0.55 e top-5 di 0.95 in circa dieci secondi su una CPU di laptop: il ciclo funziona, ma serve un programma di addestramento. La guida all'attività Classify elenca le dimensioni dei modelli preaddestrati.

Top-1 è la percentuale di immagini per cui la classe con probabilità più alta è corretta. Top-5 considera corretta una predizione se la classe giusta compare tra le cinque con probabilità più alta. Top-5 è utile per ImageNet, con 1.000 classi (ImageNet), che vanno da categorie ampie a categorie molto specifiche; con cinque classi o meno è sempre 1.0 e con dieci è fin troppo generosa. Valuta il modello in base all'accuratezza top-1 (accuratezza) e a una matrice di confusione per classe.

Leggi le probabilità nel codice#

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")  # ImageNet, 1,000 classes
result = model("https://ultralytics.com/images/bus.jpg")[0]

probs = result.probs
print(f"top-1: {result.names[probs.top1]} ({float(probs.top1conf):.2f})")
for i, conf in zip(probs.top5, probs.top5conf.tolist()):
    print(f"  {result.names[i]:20s} {conf:.3f}")

top-1: minibus (0.52)
  minibus              0.516
  police_van           0.369
  trolleybus           0.096
  minivan              0.006
  ambulance            0.003

probs.top1 è un indice, probs.top5 è un elenco di indici e probs.data è il vettore completo delle probabilità. Nota la confidenza top-1: 0.52 è appena superiore al lancio di una moneta per scegliere tra minibus e police_van. È su questo valore che basi l'instradamento.

Invia le predizioni incerte a una persona#

In produzione, raramente serve che un classificatore indovini ogni immagine; deve invece essere corretto sulle immagini che decide di classificare da solo. Questo script addestra il modello per 10 epoche, poi misura l'effetto di diverse soglie di confidenza sugli 80 numeri tenuti da parte:

from pathlib import Path

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")
model.train(data="mnist160", epochs=10, imgsz=64, device="cpu", plots=False)  # model now holds best.pt
print(model.names)  # folder names, sorted, became class indices

test = Path(model.trainer.data["test"])  # mnist160/test, the split the loader validated on
images = sorted(test.rglob("*.png"))
results = model(images, imgsz=64, verbose=False)
truth = [p.parent.name for p in images]

for threshold in (0.0, 0.3, 0.6):
    kept = [(r, t) for r, t in zip(results, truth) if r.probs.top1conf >= threshold]
    correct = sum(r.names[r.probs.top1] == t for r, t in kept)
    print(f"threshold {threshold:.1f}: auto-accept {len(kept):2d}/{len(images)}, accuracy on accepted {correct / max(len(kept), 1):.0%}")

{0: '0', 1: '1', 2: '2', 3: '3', 4: '4', 5: '5', 6: '6', 7: '7', 8: '8', 9: '9'}
threshold 0.0: auto-accept 80/80, accuracy on accepted 55%
threshold 0.3: auto-accept 41/80, accuracy on accepted 68%
threshold 0.6: auto-accept 10/80, accuracy on accepted 80%

Ogni riga rappresenta un compromesso: alzando la soglia, le predizioni accettate diventano più accurate e un maggior numero di immagini viene inviato a una persona. Con 0.6, questo modello classifica da solo solo 10 degli 80 numeri: non è ancora pronto per automatizzare nulla e la soluzione è addestrarlo di più, non scegliere una soglia più ingegnosa. Ripeti la stessa tabella dopo ogni ciclo di addestramento: ti indica sia l'accuratezza prevista sia l'esatta quantità di lavoro di revisione che genera ciascuna soglia.

Insidie#

I classificatori sono preaddestrati con imgsz=224, non con 640. Per gli oggetti piccoli all'interno di un fotogramma grande è più adatto rilevare e poi classificare (lezione successiva) che usare un imgsz più grande.