Dataset ImageNette
Il dataset ImageNette è un sottoinsieme del più ampio dataset ImageNet, ma include solo 10 classi facilmente distinguibili. È stato creato per fornire una versione di ImageNet più rapida e facile da usare per lo sviluppo di software e l'istruzione.
Caratteristiche principali
- ImageNette contiene immagini di 10 classi diverse come tinca, English Springer, mangianastri, motosega, chiesa, corno francese, camion della spazzatura, pompa di benzina, pallina da golf, paracadute.
- Il dataset comprende immagini a colori di varie dimensioni.
- ImageNette è ampiamente utilizzato per l'addestramento e il testing nel campo del machine learning, specialmente per attività di classificazione delle immagini.
Struttura del set di dati
Il set di dati ImageNette è suddiviso in due sottoinsiemi:
- Set di addestramento: Questo sottoinsieme contiene diverse migliaia di immagini utilizzate per l'addestramento di modelli di machine learning. Il numero esatto varia per classe.
- Set di convalida: Questo sottoinsieme è costituito da diverse centinaia di immagini utilizzate per la convalida e il benchmarking dei modelli addestrati. Anche in questo caso, il numero esatto varia per classe.
Applicazioni
Il dataset ImageNette è ampiamente utilizzato per l'addestramento e la valutazione di modelli di deep learning in attività di classificazione delle immagini, come le reti neurali convoluzionali (CNN) e vari altri algoritmi di machine learning. Il formato semplice del dataset e le classi ben scelte lo rendono una risorsa utile sia per i principianti che per i professionisti esperti nel campo del machine learning e della computer vision.
Utilizzo
Per addestrare un modello sul dataset ImageNette per 100 epoche con una dimensione standard dell'immagine di 224x224, è possibile utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consultare la pagina di Training del modello.
Esempio di addestramento
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
Immagini di esempio e annotazioni
Il set di dati ImageNette contiene immagini a colori di vari oggetti e scene, fornendo un set di dati diversificato per le attività di classificazione delle immagini. Ecco alcuni esempi di immagini dal set di dati:
L'esempio mostra la varietà e la complessità delle immagini nel dataset ImageNette, evidenziando l'importanza di un dataset diversificato per l'addestramento di modelli di classificazione delle immagini robusti.
ImageNette160 e ImageNette320
Per una prototipazione e un addestramento più rapidi, il set di dati ImageNette è disponibile anche in due dimensioni ridotte: ImageNette160 e ImageNette320. Questi set di dati mantengono le stesse classi e la stessa struttura del set di dati ImageNette completo, ma le immagini vengono ridimensionate a una dimensione inferiore. Pertanto, queste versioni del set di dati sono particolarmente utili per i test preliminari del modello o quando le risorse computazionali sono limitate.
Per utilizzare questi dataset, è sufficiente sostituire 'imagenette' con 'imagenette160' o 'imagenette320' nel comando di training. I seguenti frammenti di codice lo illustrano:
Esempio di addestramento con ImageNette160
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
Esempio di addestramento con ImageNette320
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
Queste versioni più piccole del dataset consentono iterazioni rapide durante il processo di sviluppo, fornendo al contempo attività di classificazione delle immagini preziose e realistiche.
Citazioni e ringraziamenti
Se utilizzi il dataset ImageNette nel tuo lavoro di ricerca o sviluppo, riconoscilo in modo appropriato. Per maggiori informazioni sul dataset ImageNette, visita la pagina GitHub del dataset ImageNette.
FAQ
Cos'è il dataset ImageNette?
Il dataset ImageNette è un sottoinsieme semplificato del più ampio dataset ImageNet, caratterizzato da sole 10 classi facilmente distinguibili come tench, English springer e corno francese. È stato creato per offrire un dataset più gestibile per l'addestramento e la valutazione efficienti dei modelli di classificazione delle immagini. Questo dataset è particolarmente utile per lo sviluppo rapido di software e per scopi didattici nel machine learning e nella computer vision.
Come posso usare il dataset ImageNette per l'addestramento di un modello YOLO?
Per addestrare un modello YOLO sul dataset ImageNette per 100 epoche, è possibile utilizzare i seguenti comandi. Assicurarsi di aver configurato l'ambiente Ultralytics YOLO.
Esempio di addestramento
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
Per maggiori dettagli, consulta la pagina della documentazione relativa al Training.
Perché dovrei usare ImageNette per attività di classificazione delle immagini?
Il set di dati ImageNette è vantaggioso per diversi motivi:
- Rapido e semplice: Contiene solo 10 classi, il che lo rende meno complesso e dispendioso in termini di tempo rispetto a dataset più grandi.
- Uso didattico: Ideale per l'apprendimento e l'insegnamento delle basi della classificazione delle immagini, poiché richiede meno potenza di calcolo e tempo.
- Versatilità: Ampiamente utilizzato per addestrare e valutare vari modelli di machine learning, specialmente nella classificazione delle immagini.
Per maggiori dettagli sull'addestramento del modello e sulla gestione del set di dati, consulta la sezione Struttura del set di dati.
Il set di dati ImageNette può essere utilizzato con diverse dimensioni di immagine?
Sì, il dataset ImageNette è disponibile anche in due versioni ridimensionate: ImageNette160 e ImageNette320. Queste versioni aiutano a prototipare più velocemente e sono particolarmente utili quando le risorse computazionali sono limitate.
Esempio di addestramento con ImageNette160
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 classify train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160
Per maggiori informazioni, consultare Training with ImageNette160 and ImageNette320.
Quali sono alcune applicazioni pratiche del dataset ImageNette?
Il set di dati ImageNette è ampiamente utilizzato in:
- Contesti educativi: Per formare i principianti nel machine learning e nella computer vision.
- Sviluppo software: Per la prototipazione rapida e lo sviluppo di modelli di classificazione delle immagini.
- Ricerca sull'apprendimento profondo: Per valutare e confrontare le prestazioni di vari modelli di deep learning, in particolare le reti neurali convoluzionali (CNN).
Esplora la sezione Applicazioni per casi d'uso dettagliati.
