Jeu de données ImageNette
Le jeu de données ImageNette est un sous-ensemble du jeu de données ImageNet plus large, mais il n'inclut que 10 classes facilement distinguables. Il a été créé pour fournir une version plus rapide et plus facile à utiliser d'ImageNet pour le développement logiciel et l'éducation.
Fonctionnalités clés
- ImageNette contient des images de 10 classes différentes telles que tanche, épagneul anglais, lecteur de cassettes, tronçonneuse, église, cor d'harmonie, camion poubelle, pompe à essence, balle de golf, parachute.
- Le jeu de données comprend des images en couleur de dimensions variables.
- ImageNette est largement utilisé pour l'entraînement et le test dans le domaine de l'apprentissage automatique, en particulier pour les tâches de classification d'images.
Structure du jeu de données
Le jeu de données ImageNette est divisé en deux sous-ensembles :
- Ensemble d'entraînement : Ce sous-ensemble contient plusieurs milliers d'images utilisées pour entraîner des modèles d'apprentissage automatique. Le nombre exact varie selon la classe.
- Ensemble de validation : Ce sous-ensemble se compose de plusieurs centaines d'images utilisées pour valider et évaluer les modèles entraînés. Là encore, le nombre exact varie selon la classe.
Applications
Le jeu de données ImageNette est largement utilisé pour entraîner et évaluer des modèles de deep learning dans des tâches de classification d'images, telles que les Convolutional Neural Networks (CNN), et divers autres algorithmes d'apprentissage automatique. Le format simple du jeu de données et ses classes bien choisies en font une ressource pratique pour les débutants comme pour les praticiens expérimentés dans le domaine du machine learning et de la computer vision.
Utilisation
Pour entraîner un modèle sur le jeu de données ImageNette pendant 100 époques avec une taille d'image standard de 224x224, tu peux utiliser les extraits de code suivants. Pour une liste complète des arguments disponibles, consulte la page Training du modèle.
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)Exemples d'images et d'annotations
Le jeu de données ImageNette contient des images en couleur de divers objets et scènes, fournissant un jeu de données diversifié pour les tâches de image classification. Voici quelques exemples d'images provenant du jeu de données :
L'exemple illustre la variété et la complexité des images dans le jeu de données ImageNette, soulignant l'importance d'un jeu de données diversifié pour entraîner des modèles de classification d'images robustes.
ImageNette160 et ImageNette320
Pour un prototypage et un entraînement plus rapides, le jeu de données ImageNette est également disponible en deux tailles réduites : ImageNette160 et ImageNette320. Ces jeux de données conservent les mêmes classes et la même structure que le jeu de données ImageNette complet, mais les images sont redimensionnées à une dimension plus petite. Ainsi, ces versions du jeu de données sont particulièrement utiles pour les tests de modèles préliminaires, ou lorsque les ressources computationnelles sont limitées.
Pour utiliser ces jeux de données, remplace simplement 'imagenette' par 'imagenette160' ou 'imagenette320' dans la commande d'entraînement. Les extraits de code suivants illustrent cela :
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)Ces versions plus petites du jeu de données permettent des itérations rapides pendant le processus de développement tout en offrant des tâches de classification d'images précieuses et réalistes.
Citations et remerciements
Si tu utilises le jeu de données ImageNette dans tes travaux de recherche ou de développement, merci de le mentionner de manière appropriée. Pour plus d'informations sur le jeu de données ImageNette, visite la page GitHub du jeu de données ImageNette.
FAQ
Qu'est-ce que le jeu de données ImageNette ?
Le jeu de données ImageNette est un sous-ensemble simplifié du jeu de données ImageNet plus large, ne comprenant que 10 classes facilement distinguables telles que tanche, épagneul anglais et cor d'harmonie. Il a été créé pour offrir un jeu de données plus gérable pour l'entraînement et l'évaluation efficaces des modèles de classification d'images. Ce jeu de données est particulièrement utile pour le développement logiciel rapide et à des fins éducatives en machine learning et computer vision.
Comment puis-je utiliser le jeu de données ImageNette pour entraîner un modèle YOLO ?
Pour entraîner un modèle YOLO sur le jeu de données ImageNette pendant 100 epochs, tu peux utiliser les commandes suivantes. Assure-toi d'avoir l'environnement Ultralytics YOLO configuré.
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)Pour plus de détails, consulte la page de documentation Training.
Pourquoi devrais-je utiliser ImageNette pour les tâches de classification d'images ?
Le jeu de données ImageNette est avantageux pour plusieurs raisons :
- Rapide et simple : Il contient seulement 10 classes, ce qui le rend moins complexe et moins chronophage par rapport aux jeux de données plus grands.
- Utilisation éducative : Idéal pour apprendre et enseigner les bases de la classification d'images car il nécessite moins de puissance de calcul et de temps.
- Polyvalence : Largement utilisé pour entraîner et évaluer divers modèles d'apprentissage automatique, en particulier dans la classification d'images.
Pour plus de détails sur l'entraînement de modèles et la gestion des jeux de données, explore la section Dataset Structure.
Le jeu de données ImageNette peut-il être utilisé avec différentes tailles d'images ?
Oui, le jeu de données ImageNette est également disponible en deux versions redimensionnées : ImageNette160 et ImageNette320. Ces versions aident au prototypage plus rapide et sont particulièrement utiles lorsque les ressources computationnelles sont limitées.
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)Pour plus d'informations, reporte-toi à Training with ImageNette160 and ImageNette320.
Quelles sont les applications pratiques du jeu de données ImageNette ?
Le jeu de données ImageNette est largement utilisé dans :
- Cadres éducatifs : Pour former les débutants en machine learning et computer vision.
- Développement logiciel : Pour le prototypage rapide et le développement de modèles de classification d'images.
- Recherche en deep learning : Pour évaluer et comparer les performances de divers modèles de deep learning, en particulier les Convolutional Neural Networks (CNN).
Explore la section Applications pour des cas d'utilisation détaillés.