इमेजनेट डेटासेट

इमेजनेट डेटासेट बड़े इमेजनेट डेटासेट का एक सबसेट है, लेकिन इसमें केवल 10 आसानी से अलग-अलग वर्ग शामिल हैं। यह सॉफ्टवेयर विकास और शिक्षा के लिए इमेजनेट का एक त्वरित, उपयोग में आसान संस्करण प्रदान करने के लिए बनाया गया था।

प्रमुख विशेषताऐं

• ImageNette में 10 अलग-अलग वर्गों जैसे tench, English स्प्रिंगर, कैसेट प्लेयर, चेन देखा, चर्च, फ्रेंच हॉर्न, कचरा ट्रक, गैस पंप, गोल्फ बॉल, पैराशूट।
• डेटासेट में अलग-अलग आयामों की रंगीन छवियां शामिल हैं।
• ImageNet का व्यापक रूप से मशीन लर्निंग के क्षेत्र में प्रशिक्षण और परीक्षण के लिए उपयोग किया जाता है, विशेष रूप से छवि वर्गीकरण कार्यों के लिए।

डेटासेट संरचना

ImageNette डेटासेट को दो सबसेट में विभाजित किया गया है:

1. प्रशिक्षण सेट: इस सबसेट में मशीन लर्निंग मॉडल के प्रशिक्षण के लिए उपयोग की जाने वाली कई हजारों छवियां हैं। सटीक संख्या प्रति वर्ग भिन्न होती है।
2. सत्यापन सेट: इस सबसेट में प्रशिक्षित मॉडलों को मान्य और बेंचमार्किंग के लिए उपयोग की जाने वाली कई सैकड़ों छवियां शामिल हैं। फिर, सटीक संख्या प्रति वर्ग भिन्न होती है।

अनुप्रयोगों

इमेजनेट डेटासेट का व्यापक रूप से छवि वर्गीकरण कार्यों में गहन शिक्षण मॉडल के प्रशिक्षण और मूल्यांकन के लिए उपयोग किया जाता है, जैसे कि दृढ़ तंत्रिका नेटवर्क (सीएनएन), और विभिन्न अन्य मशीन लर्निंग एल्गोरिदम। डेटासेट का सीधा प्रारूप और अच्छी तरह से चुनी गई कक्षाएं इसे मशीन लर्निंग और कंप्यूटर विज़न के क्षेत्र में शुरुआती और अनुभवी चिकित्सकों दोनों के लिए एक उपयोगी संसाधन बनाती हैं।

उपयोग

ImageNette डेटासेट पर 224x224 के मानक छवि आकार वाले 100 युगों के लिए एक मॉडल को प्रशिक्षित करने के लिए, आप निम्न कोड स्निपेट का उपयोग कर सकते हैं। उपलब्ध तर्कों की व्यापक सूची के लिए, मॉडल प्रशिक्षण पृष्ठ देखें।

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=imagenette model=yolov8n-cls.pt epochs=100 imgsz=224

नमूना छवियाँ और एनोटेशन

इमेजनेट डेटासेट में विभिन्न वस्तुओं और दृश्यों की रंगीन छवियां होती हैं, जो छवि वर्गीकरण कार्यों के लिए एक विविध डेटासेट प्रदान करती हैं। डेटासेट से छवियों के कुछ उदाहरण यहां दिए गए हैं:

उदाहरण इमेजनेट डेटासेट में छवियों की विविधता और जटिलता को प्रदर्शित करता है, जो मजबूत छवि वर्गीकरण मॉडल के प्रशिक्षण के लिए विविध डेटासेट के महत्व पर प्रकाश डालता है।

इमेजनेट160 और इमेजनेट320

तेज़ प्रोटोटाइप और प्रशिक्षण के लिए, ImageNette डेटासेट दो कम आकारों में भी उपलब्ध है: ImageNette160 और ImageNette320। ये डेटासेट पूर्ण इमेजनेट डेटासेट के समान वर्ग और संरचना बनाए रखते हैं, लेकिन छवियों को एक छोटे आयाम में आकार दिया जाता है। जैसे, डेटासेट के ये संस्करण प्रारंभिक मॉडल परीक्षण के लिए विशेष रूप से उपयोगी होते हैं, या जब कम्प्यूटेशनल संसाधन सीमित होते हैं।

इन डेटासेट का उपयोग करने के लिए, बस प्रशिक्षण कमांड में 'इमेजनेट' को 'इमेजनेट 160' या 'इमेजनेट 320' से बदलें। निम्नलिखित कोड स्निपेट इसे स्पष्ट करते हैं:

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=imagenette160 model=yolov8n-cls.pt epochs=100 imgsz=160

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=imagenette320 model=yolov8n-cls.pt epochs=100 imgsz=320

डेटासेट के ये छोटे संस्करण विकास प्रक्रिया के दौरान तेजी से पुनरावृत्तियों की अनुमति देते हैं जबकि अभी भी मूल्यवान और यथार्थवादी छवि वर्गीकरण कार्य प्रदान करते हैं।

प्रशंसा पत्र और पावती

यदि आप अपने शोध या विकास कार्य में इमेजनेट डेटासेट का उपयोग करते हैं, तो कृपया इसे उचित रूप से स्वीकार करें। ImageNette डेटासेट के बारे में अधिक जानकारी के लिए, ImageNette डेटासेट GitHub पृष्ठ पर जाएं।

टिप्पणियाँ