Conjunto de datos ImageNette

El conjunto de datos ImageNette es un subconjunto del conjunto de datos ImageNet más amplio, pero solo incluye 10 clases fácilmente distinguibles. Se creó para proporcionar una versión de ImageNet más rápida y fácil de usar para el desarrollo de software y la educación.

Características clave

• ImageNette contiene imágenes de 10 clases diferentes, tales como tenca, spaniel inglés, reproductor de casetes, motosierra, iglesia, trompa, camión de basura, surtidor de gasolina, pelota de golf, paracaídas.
• El conjunto de datos comprende imágenes en color de dimensiones variables.
• ImageNette se utiliza ampliamente para el entrenamiento y las pruebas en el campo del aprendizaje automático, especialmente para tareas de clasificación de imágenes.

Estructura del conjunto de datos

El conjunto de datos ImageNette se divide en dos subconjuntos:

1. Conjunto de entrenamiento: Este subconjunto contiene varios miles de imágenes utilizadas para entrenar modelos de aprendizaje automático. El número exacto varía según la clase.
2. Conjunto de validación: Este subconjunto consta de varios cientos de imágenes utilizadas para validar y evaluar los modelos entrenados. De nuevo, el número exacto varía según la clase.

Aplicaciones

El conjunto de datos ImageNette se utiliza ampliamente para entrenar y evaluar modelos de deep learning en tareas de clasificación de imágenes, tales como Convolutional Neural Networks (CNN), y otros diversos algoritmos de aprendizaje automático. El formato sencillo del conjunto de datos y sus clases bien seleccionadas lo convierten en un recurso práctico tanto para principiantes como para profesionales experimentados en el campo del machine learning y la computer vision.

Uso

Para entrenar un modelo con el conjunto de datos ImageNette durante 100 épocas con un tamaño de imagen estándar de 224x224, puedes utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulta la página de Training del modelo.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

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

Imágenes y anotaciones de muestra

El conjunto de datos ImageNette contiene imágenes en color de diversos objetos y escenas, proporcionando un conjunto de datos diverso para tareas de image classification. Aquí tienes algunos ejemplos de imágenes del conjunto de datos:

El ejemplo muestra la variedad y complejidad de las imágenes en el conjunto de datos ImageNette, destacando la importancia de contar con un conjunto de datos diverso para entrenar modelos de clasificación de imágenes robustos.

ImageNette160 e ImageNette320

Para un prototipado y entrenamiento más rápidos, el conjunto de datos ImageNette también está disponible en dos tamaños reducidos: ImageNette160 e ImageNette320. Estos conjuntos de datos mantienen las mismas clases y estructura que el conjunto de datos ImageNette completo, pero las imágenes se redimensionan a una dimensión menor. Por lo tanto, estas versiones del conjunto de datos son especialmente útiles para pruebas preliminares de modelos o cuando los recursos computacionales son limitados.

Para usar estos conjuntos de datos, simplemente reemplaza 'imagenette' por 'imagenette160' o 'imagenette320' en el comando de entrenamiento. Los siguientes fragmentos de código ilustran esto:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

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

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

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

Estas versiones más pequeñas del conjunto de datos permiten realizar iteraciones rápidas durante el proceso de desarrollo, a la vez que ofrecen tareas de clasificación de imágenes valiosas y realistas.

Citas y reconocimientos

Si utilizas el conjunto de datos ImageNette en tu trabajo de investigación o desarrollo, por favor, reconócelo adecuadamente. Para obtener más información sobre el conjunto de datos ImageNette, visita la página de GitHub del conjunto de datos ImageNette.

Preguntas frecuentes

¿Qué es el conjunto de datos ImageNette?

El conjunto de datos ImageNette es un subconjunto simplificado del conjunto de datos ImageNet más amplio, que cuenta con solo 10 clases fácilmente distinguibles tales como tenca, spaniel inglés y trompa. Fue creado para ofrecer un conjunto de datos más manejable para el entrenamiento y la evaluación eficientes de modelos de clasificación de imágenes. Este conjunto de datos es particularmente útil para el desarrollo rápido de software y fines educativos en machine learning y computer vision.

¿Cómo puedo utilizar el conjunto de datos ImageNette para entrenar un modelo YOLO?

Para entrenar un modelo YOLO con el conjunto de datos ImageNette durante 100 epochs, puedes utilizar los siguientes comandos. Asegúrate de tener configurado el entorno de Ultralytics YOLO.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

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

Para más detalles, consulta la página de documentación de Training.

¿Por qué debería usar ImageNette para tareas de clasificación de imágenes?

El conjunto de datos ImageNette es ventajoso por varias razones:

• Rápido y sencillo: Contiene solo 10 clases, lo que lo hace menos complejo y requiere menos tiempo en comparación con conjuntos de datos más grandes.
• Uso educativo: Ideal para aprender y enseñar los fundamentos de la clasificación de imágenes, ya que requiere menos potencia computacional y tiempo.
• Versatilidad: Ampliamente utilizado para entrenar y evaluar diversos modelos de aprendizaje automático, especialmente en la clasificación de imágenes.

Para obtener más detalles sobre el entrenamiento de modelos y la gestión de conjuntos de datos, explora la sección Dataset Structure.

¿Se puede utilizar el conjunto de datos ImageNette con diferentes tamaños de imagen?

Sí, el conjunto de datos ImageNette también está disponible en dos versiones redimensionadas: ImageNette160 e ImageNette320. Estas versiones ayudan en un prototipado más rápido y son especialmente útiles cuando los recursos computacionales son limitados.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")

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

Para más información, consulta Training with ImageNette160 and ImageNette320.

¿Cuáles son algunas aplicaciones prácticas del conjunto de datos ImageNette?

El conjunto de datos ImageNette se utiliza ampliamente en:

• Entornos educativos: Para educar a principiantes en machine learning y computer vision.
• Desarrollo de software: Para el prototipado rápido y el desarrollo de modelos de clasificación de imágenes.
• Investigación en Deep Learning: Para evaluar y comparar el rendimiento de varios modelos de aprendizaje profundo, especialmente Neural Networks (CNN) convolucionales.

Explora la sección Applications para ver casos de uso detallados.