Vai al contenuto

Set di dati ImageNette

Il set di dati ImageNette è un sottoinsieme del più ampio set di dati Imagenet, ma comprende 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 per la didattica.

Caratteristiche principali

  • ImageNette contiene immagini di 10 classi diverse come tinca, English springer, lettore di cassette, motosega, chiesa, corno francese, camion della spazzatura, pompa di benzina, palla da golf, paracadute.
  • Il set di dati comprende immagini colorate di varie dimensioni.
  • ImageNette è ampiamente utilizzato per l'addestramento e il test nel campo dell'apprendimento automatico, in particolare per le attività di classificazione delle immagini.

Struttura del set di dati

Il set di dati ImageNette è suddiviso in due sottoinsiemi:

  1. Set di formazione: Questo sottoinsieme contiene diverse migliaia di immagini utilizzate per addestrare i modelli di apprendimento automatico. Il numero esatto varia a seconda della classe.
  2. Set di convalida: Questo sottoinsieme è composto da diverse centinaia di immagini utilizzate per la validazione e il benchmarking dei modelli addestrati. Anche in questo caso, il numero esatto varia a seconda della classe.

Applicazioni

The ImageNette dataset is widely used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs), and various other machine learning algorithms. The dataset's straightforward format and well-chosen classes make it a handy resource for both beginner and experienced practitioners in the field of machine learning and computer vision.

Utilizzo

Per addestrare un modello sul dataset ImageNette per 100 epoch con un'immagine di dimensioni standard di 224x224, puoi utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consulta la pagina di addestramento del modello.

Esempio di treno

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

The ImageNette dataset contains colored images of various objects and scenes, providing a diverse dataset for image classification tasks. Here are some examples of images from the dataset:

Immagine campione del set di dati

L'esempio mostra la varietà e la complessità delle immagini presenti nel dataset ImageNette, evidenziando l'importanza di un dataset diversificato per l'addestramento di solidi modelli di classificazione delle immagini.

ImageNette160 e ImageNette320

Per velocizzare la prototipazione e la formazione, il dataset ImageNette è disponibile anche in due dimensioni ridotte: ImageNette160 e ImageNette320. Questi dataset mantengono le stesse classi e la stessa struttura del dataset ImageNette completo, ma le immagini sono ridimensionate in una dimensione più piccola. Per questo motivo, queste versioni del set di dati sono particolarmente utili per i test preliminari dei modelli o quando le risorse di calcolo sono limitate.

Per utilizzare questi set di dati, basta sostituire "imagenette" con "imagenette160" o "imagenette320" nel comando di formazione. I seguenti frammenti di codice lo illustrano:

Esempio di treno 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 treno 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 set di dati consentono rapide iterazioni durante il processo di sviluppo, fornendo comunque compiti di classificazione delle immagini validi e realistici.

Citazioni e ringraziamenti

Se utilizzi il dataset ImageNette nel tuo lavoro di ricerca o sviluppo, ti preghiamo di riconoscerlo in modo appropriato. Per maggiori informazioni sul dataset ImageNette, visita la pagina GitHub del dataset ImageNette.

DOMANDE FREQUENTI

Che cos'è il set di dati ImageNette?

The ImageNette dataset is a simplified subset of the larger ImageNet dataset, featuring only 10 easily distinguishable classes such as tench, English springer, and French horn. It was created to offer a more manageable dataset for efficient training and evaluation of image classification models. This dataset is particularly useful for quick software development and educational purposes in machine learning and computer vision.

Come posso utilizzare il dataset ImageNette per addestrare un modello YOLO ?

To train a YOLO model on the ImageNette dataset for 100 epochs, you can use the following commands. Make sure to have the Ultralytics YOLO environment set up.

Esempio di treno

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 di documentazione sulla formazione.

Perché dovrei usare ImageNette per la classificazione delle immagini?

Il set di dati ImageNette è vantaggioso per diversi motivi:

  • Semplice e veloce: Contiene solo 10 classi, il che lo rende meno complesso e meno dispendioso in termini di tempo rispetto a set di dati più grandi.
  • Uso didattico: è ideale per l'apprendimento e l'insegnamento delle basi della classificazione delle immagini, poiché richiede meno tempo e potenza di calcolo.
  • Versatilità: Ampiamente utilizzato per addestrare e confrontare vari modelli di apprendimento automatico, soprattutto 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 dataset ImageNette può essere utilizzato con immagini di dimensioni diverse?

Sì, il set di dati ImageNette è disponibile anche in due versioni ridimensionate: ImageNette160 e ImageNette320. Queste versioni consentono una prototipazione più rapida e sono particolarmente utili quando le risorse di calcolo sono limitate.

Esempio di treno 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 detect train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160

Per maggiori informazioni, consulta la sezione Formazione con ImageNette160 e ImageNette320.

Quali sono le applicazioni pratiche del dataset ImageNette?

Il set di dati ImageNette è ampiamente utilizzato in:

  • Educational Settings: To educate beginners in machine learning and computer vision.
  • Sviluppo software: Per la prototipazione rapida e lo sviluppo di modelli di classificazione delle immagini.
  • Deep Learning Research: To evaluate and benchmark the performance of various deep learning models, especially Convolutional Neural Networks (CNNs).

Esplora la sezione Applicazioni per scoprire casi d'uso dettagliati.


📅 Created 11 months ago ✏️ Updated 6 days ago

Commenti