资源描述
ImageNet-21K 是计算机视觉领域权威的大规模图像数据集，涵盖约21,841个WordNet同义词集（synsets），含超1400万张带层次化标签的高质量图像。广泛用于视觉模型预训练、迁移学习、零样本识别与表征学习等任务，是ViT、MAE、BEiT等前沿视觉架构的重要基准数据源。
详细内容
## ImageNet-21K 数据集详细介绍
### 数据集背景与来源
ImageNet-21K（又称 ImageNet-22k 或 ILSVRC-21K）由 Princeton 和 Stanford 等机构联合构建，基于 WordNet 层次结构组织，覆盖更广语义范畴的自然图像。它并非 ILSVRC-2012（即常称的 ImageNet-1K）的简单扩展，而是完整保留了原始 ImageNet 项目中全部可用的、经人工校验的 synset（同义词集），构成迄今最全面的开放视觉预训练数据源之一。
### 数据规模与标注信息
- **类别数量**：21,841 个 WordNet synsets（对应约21K类别），远超 ImageNet-1K 的1,000类；
- **图像总量**：约14,197,122张图像（截至公开发布版本），每类平均约650张，分布不均但整体具备良好语义覆盖；
- **标注形式**：每张图像关联唯一 synset ID（如 `n01440764`），支持 WordNet 上下位关系（hypernym/hyponym）推导，部分子集提供边界框（非全量）；
- **图像质量**：经多轮人工审核与自动去重（如基于感知哈希），排除明显低质、重复或无关图像。
### 典型应用场景
- **视觉模型预训练**：作为 ViT、Swin Transformer、MAE、DINOv2 等自监督/监督预训练的标准语料；
- **迁移学习与微调**：在下游细粒度分类、跨域识别等任务中提供强表征先验；
- **零样本/少样本学习评估**：利用 WordNet 层级结构支持语义泛化能力分析；
- **模型鲁棒性与偏差研究**：因类别广、长尾显著，适用于公平性、偏见与分布外泛化分析。
### 使用注意事项
- **许可与合规**：数据集本身为学术研究免费使用，但部分图像受原始版权约束，**禁止商用或再分发原始图像**；仅可分发处理后特征或模型权重；
- **获取方式**：官方入口为 [https://www.image-net.org](https://www.image-net.org)，需注册账号并签署研究用途协议后下载（通常提供 `.tar` 压缩包及 `words.txt`/`imagenet.synset.obtain.txt` 映射文件）；
- **技术适配建议**：建议配合 `torchvision.datasets.ImageFolder` 或 `tf.data.Dataset` 加载；注意类别ID映射需严格依据提供的 `synset_to_words.txt` 文件，避免与 ImageNet-1K 混淆；
- **存储与计算**：全量解压后占用约1.2TB磁盘空间，推荐使用分布式训练框架（如 PyTorch DDP）并启用内存映射（memory-mapped）加载以优化IO效率。