مجموعة بيانات ImageNette

مجموعة بيانات ImageNette هي مجموعة فرعية من مجموعة بيانات Imagenet الأكبر، ولكنها تتضمن فقط 10 فئات يمكن تمييزها بسهولة. تم إنشاؤها لتوفير نسخة أسرع وأسهل استخدامًا من Imagenet لتطوير البرمجيات والتعليم.

الميزات الرئيسية

• تحتوي ImageNette على صور من 10 فئات مختلفة مثل تينش، English سبرينغر، ومشغل كاسيت، ومنشار سلسلة، وكنيسة، وبوق فرنسي، وشاحنة قمامة، ومضخة بنزين، وكرة غولف، ومظلة.
• تتألف مجموعة البيانات من صور ملونة بأبعاد مختلفة.
• تُستخدم ImageNette على نطاق واسع في التدريب والاختبار في مجال التعلم الآلي، خاصةً في مهام تصنيف الصور.

هيكلية مجموعة البيانات

تنقسم مجموعة بيانات ImageNette إلى مجموعتين فرعيتين:

1. مجموعة التدريب: تحتوي هذه المجموعة الفرعية على عدة آلاف من الصور المستخدمة لتدريب نماذج التعلم الآلي. يختلف العدد الدقيق لكل فئة.
2. مجموعة التحقق من الصحة: تتألف هذه المجموعة الفرعية من عدة مئات من الصور المستخدمة للتحقق من صحة النماذج المدربة وقياسها. مرة أخرى، يختلف العدد الدقيق لكل فئة.

التطبيقات

تُستخدم مجموعة بيانات ImageNette على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs)، وخوارزميات التعلم الآلي الأخرى المختلفة. إن تنسيق مجموعة البيانات المباشر والفئات المختارة جيدًا يجعلها موردًا مفيدًا لكل من الممارسين المبتدئين وذوي الخبرة في مجال التعلم الآلي والرؤية الحاسوبية.

الاستخدام

لتدريب نموذجٍ على مجموعة بيانات ImageNette لـ 100 حقبة مع حجم صورة قياسي 224 × 224، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenette", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenette model=yolo11n-cls.pt epochs=100 imgsz=224

عينة من الصور والتعليقات التوضيحية

تحتوي مجموعة بيانات ImageNette على صور ملونة لأجسام ومشاهد مختلفة، مما يوفر مجموعة بيانات متنوعة لمهام تصنيف الصور. فيما يلي بعض الأمثلة لصور من مجموعة البيانات:

يعرض هذا المثال تنوع الصور وتعقيدها في مجموعة بيانات ImageNette، مما يسلط الضوء على أهمية وجود مجموعة بيانات متنوعة لتدريب نماذج تصنيف الصور القوية.

ImageNette160 و ImageNette320

للحصول على نماذج أولية وتدريب أسرع، تتوفر مجموعة بيانات ImageNette أيضًا في حجمين مصغرين: ImageNette160 و ImageNette320. تحافظ مجموعات البيانات هذه على نفس الفئات والبنية مثل مجموعة بيانات ImageNette الكاملة، ولكن يتم تغيير حجم الصور إلى أبعاد أصغر. وعلى هذا النحو، فإن هذه الإصدارات من مجموعة البيانات مفيدة بشكل خاص لاختبار النموذج الأولي، أو عندما تكون الموارد الحاسوبية محدودة.

لاستخدام مجموعات البيانات هذه، ما عليك سوى استبدال "imagenette" ب "imagenette160" أو "imagenette320" في أمر التدريب. توضح مقتطفات التعليمات البرمجية التالية ذلك:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

# Start training from a pretrained *.pt model with ImageNette160
yolo classify train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette320
results = model.train(data="imagenette320", epochs=100, imgsz=320)

# Start training from a pretrained *.pt model with ImageNette320
yolo classify train data=imagenette320 model=yolo11n-cls.pt epochs=100 imgsz=320

تسمح هذه الإصدارات الأصغر من مجموعة البيانات بالتكرار السريع أثناء عملية التطوير مع الاستمرار في توفير مهام تصنيف الصور القيمة والواقعية.

الاستشهادات والشكر والتقدير

إذا كنت تستخدم مجموعة بيانات ImageNette في عملك البحثي أو التطويري، يُرجى الإقرار بها بشكل مناسب. للمزيد من المعلومات حول مجموعة بيانات ImageNasette، يرجى زيارة صفحة مجموعة بيانات ImageNette على موقع GitHub.

الأسئلة الشائعة

ما هي مجموعة بيانات ImageNette؟

مجموعة بيانات ImageNette عبارة عن مجموعة فرعية مبسطة من مجموعة بيانات ImageNet الأكبر حجمًا، وتضم 10 فئات فقط يمكن تمييزها بسهولة مثل التنش و English سبرينغر والقرن الفرنسي. تم إنشاؤها لتقديم مجموعة بيانات أكثر قابلية للإدارة من أجل التدريب والتقييم الفعال لنماذج تصنيف الصور. تعتبر مجموعة البيانات هذه مفيدة بشكل خاص لتطوير البرامج السريعة والأغراض التعليمية في مجال التعلم الآلي والرؤية الحاسوبية.

كيف يمكنني استخدام مجموعة بيانات ImageNette لتدريب نموذج YOLO ؟

لتدريب نموذج YOLO على مجموعة بيانات ImageNette لـ 100 حلقة، يمكنك استخدام الأوامر التالية. تأكد من إعداد بيئة Ultralytics YOLO .

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenette", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenette model=yolo11n-cls.pt epochs=100 imgsz=224

لمزيد من التفاصيل، راجع صفحة وثائق التدريب.

لماذا يجب استخدام ImageNette في مهام تصنيف الصور؟

تعتبر مجموعة بيانات ImageNette مفيدة لعدة أسباب:

• سريع وبسيط: يحتوي على 10 فئات فقط، مما يجعله أقل تعقيدًا واستهلاكًا للوقت مقارنةً بمجموعات البيانات الأكبر حجمًا.
• الاستخدام التعليمي: مثالي لتعلّم وتعليم أساسيات تصنيف الصور لأنه يتطلب طاقة حسابية ووقتًا أقل.
• تعدد الاستخدامات: تُستخدم على نطاق واسع لتدريب وقياس نماذج التعلم الآلي المختلفة، خاصةً في تصنيف الصور.

للمزيد من التفاصيل حول تدريب النماذج وإدارة مجموعة البيانات، راجع قسم بنية مجموعة البيانات.

هل يمكن استخدام مجموعة بيانات ImageNette مع أحجام صور مختلفة؟

نعم، مجموعة بيانات ImageNette متوفرة أيضًا في نسختين متغيرتي الحجم: ImageNette160 و ImageNette320. تساعد هذه الإصدارات في وضع النماذج الأولية بشكل أسرع وهي مفيدة بشكل خاص عندما تكون الموارد الحاسوبية محدودة.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

# Start training from a pretrained *.pt model with ImageNette160
yolo detect train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160

لمزيد من المعلومات، راجع التدريب باستخدام ImageNette160 و ImageNette320.

ما هي بعض التطبيقات العملية لمجموعة بيانات ImageNette؟

تُستخدم مجموعة بيانات ImageNette على نطاق واسع في:

• الإعدادات التعليمية: لتعليم المبتدئين في التعلم الآلي والرؤية الحاسوبية.
• تطوير البرمجيات: للنماذج الأولية السريعة وتطوير نماذج تصنيف الصور.
• أبحاث التعلم العميق: لتقييم وقياس أداء نماذج التعلم العميق المختلفة، وخاصةً الشبكات العصبية التلافيفية (CNNs).

استكشف قسم التطبيقات للاطلاع على حالات الاستخدام التفصيلية.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 1 شهر

التعليقات