Huấn luyện Image Classifier

Bố cục dataset theo thư mục#

Dataset phân loại là các thư mục, không phải tệp YAML. Trỏ data= đến thư mục gốc:

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

Cách bộ nạp xử lý dữ liệu, dựa trên source đã cài đặt và hướng dẫn dataset phân loại:

Trên Ultralytics Platform, dataset phân loại có một nhãn cấp ảnh cho mỗi ảnh thay vì các shape:

Huấn luyện trên MNIST160#

MNIST160 gồm 160 chữ số viết tay, 80 chữ số trong train/ và 80 chữ số trong test/, mỗi tập được chia thành mười thư mục chữ số — đủ nhỏ để chạy kiểm tra nhanh trên CPU. Dataset không có thư mục val/, vì vậy hãy theo dõi cảnh báo của bộ nạp khi nó chuyển sang dùng 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

Một epoch hầu như không cải thiện được head mười lớp mới. Trong lần chạy của chúng tôi, epochs=10 đạt top-1 0.55 và top-5 0.95 trong khoảng mười giây trên CPU của laptop — vòng lặp hoạt động, nhưng cần lịch huấn luyện dài hơn. Hướng dẫn tác vụ Classify liệt kê các kích thước model pretrained.

Top-1 là tỷ lệ ảnh có lớp xác suất cao nhất được dự đoán đúng. Top-5 tính là đúng nếu lớp chính xác nằm trong năm lớp có xác suất cao nhất. Top-5 hữu ích với ImageNet có 1.000 lớp, với các lớp trải từ khái quát đến rất chi tiết; với năm lớp trở xuống, chỉ số này luôn bằng 1.0, còn với mười lớp thì vẫn khá dễ đạt. Hãy đánh giá dựa trên độ chính xác top-1 cùng ma trận nhầm lẫn theo từng lớp.

Đọc xác suất trong code#

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 là một chỉ số, probs.top5 là danh sách các chỉ số, còn probs.data là vector xác suất đầy đủ. Hãy chú ý độ tin cậy top-1: 0.52 chỉ nhỉnh hơn một chút so với tung đồng xu để phân biệt minibus và police_van. Đây là giá trị dùng để quyết định chuyển kết quả.

Chuyển các dự đoán không chắc chắn cho người đánh giá#

Classifier trong môi trường production hiếm khi cần dự đoán đúng mọi ảnh; điều quan trọng là dự đoán đúng những ảnh mà model tự đưa ra quyết định. Script này huấn luyện model trong 10 epoch, sau đó đo lường tác động của các ngưỡng độ tin cậy khác nhau trên 80 chữ số giữ lại để đánh giá:

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%

Mỗi hàng thể hiện một sự đánh đổi: tăng ngưỡng giúp các dự đoán được chấp nhận chính xác hơn và chuyển nhiều ảnh hơn cho người đánh giá. Ở ngưỡng 0.6, model này chỉ tự quyết định 10 trong số 80 chữ số — model chưa sẵn sàng tự động hóa bất kỳ việc gì, và giải pháp là huấn luyện thêm chứ không phải chọn ngưỡng khéo hơn. Chạy lại cùng bảng sau mỗi vòng huấn luyện: bảng cho bạn biết cả độ chính xác sẽ đạt được lẫn chính xác lượng công việc đánh giá mà mỗi ngưỡng tạo ra.

Các lỗi thường gặp#

Classifier được pretrained ở imgsz=224, không phải 640. Với các đối tượng nhỏ nằm trong frame lớn, detect rồi classify (bài học tiếp theo) thường phù hợp hơn việc dùng imgsz lớn hơn.