ImageNet10データセット
ImageNet10データセットは、ImageNetの小規模なサブセットである。 ImageNetデータベースの小規模なサブセットである。 Ultralyticsによって開発されたImageNetデータベースの小規模なサブセットであり、CIテスト、サニティチェック、トレーニングパイプラインの高速テスト用に設計されています。このデータセットは、ImageNet最初の10クラスのトレーニングセットの最初の画像と検証セットの最初の画像で構成されています。かなり小さいものの、オリジナルのImageNet データセットの構造と多様性を保持しています。
主な特徴
- ImageNet10はImageNetコンパクト版で、20枚の画像でオリジナルデータセットの最初の10クラスを表現している。
- データセットはWordNetの階層に従って構成されており、ImageNet データセットの構造を反映している。
- CIテスト、健全性チェック、およびコンピュータビジョンタスクにおけるトレーニングパイプラインの迅速なテストに最適です。
- モデルのベンチマーク用に設計されたものではありませんが、モデルの基本的な機能と正確さを簡単に確認できます。
データセットの構造
ImageNet10データセットは、オリジナルの ImageNetと同様、WordNet の階層構造を用いて構成されている。ImageNet10 の 10 のクラスはそれぞれ、シンセット（同義語の集まり）によって記述される。ImageNet10 の画像は、1 つまたは複数の synset で注釈されており、さまざまなオブジェクトとその関係を認識するモデルをテストするためのコンパクトなリソースを提供します。
アプリケーション
ImageNet10データセットは、コンピュータビジョンモデルとパイプラインの迅速なテストとデバッグに役立ちます。サイズが小さいため、迅速な反復が可能で、継続的インテグレーションテストやサニティチェックに最適です。また、完全なImageNet データセットを使用した本格的なテストに移行する前に、新しいモデルの予備テストや既存モデルの変更を迅速に行うためにも使用できます。
使用法
画像サイズが224x224のImageNet10データセットで深層学習モデルをテストするには、次のコードスニペットを使用できます。利用可能な引数の包括的なリストについては、モデルのトレーニングページを参照してください。
テスト例
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="imagenet10", epochs=5, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224
サンプル画像とアノテーション
ImageNet10データセットには、オリジナルのImageNet データセットから画像のサブセットが含まれている。これらの画像は、データセットの最初の10クラスを表すように選択され、迅速なテストと評価のための多様かつコンパクトなデータセットを提供します。
この例は、ImageNet10データセット内の画像の多様性と複雑さを示しており、健全性チェックやコンピュータビジョンモデルの迅速なテストに役立つことを強調しています。
引用と謝辞
研究または開発で ImageNet10 データセットを使用する場合は、元のImageNet 論文を引用してください：
@article{ILSVRC15,
author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
title={ImageNet Large Scale Visual Recognition Challenge},
year={2015},
journal={International Journal of Computer Vision (IJCV)},
volume={115},
number={3},
pages={211-252}
}
我々は、Olga Russakovsky、Jia Deng、Li Fei-Feiが率いるImageNet チームがImageNet データセットの作成と保守を行っていることに感謝したい。ImageNet10データセットは、コンパクトなサブセットではあるが、機械学習とコンピュータビジョンの研究コミュニティにおける迅速なテストとデバッグのための貴重なリソースである。ImageNet データセットとその作成者についての詳細は、ImageNet ウェブサイトをご覧ください。
よくある質問
ImageNet10データセットとはどのようなもので、フルImageNet データセットとどのように違うのですか？
ImageNet10データセットは、元のImageNetのコンパクトなサブセットである。 ImageNetデータベースのコンパクトなサブセットであり、迅速なCIテスト、サニティチェック、トレーニングパイプラインの評価のためにUltralytics 作成された。ImageNet10はわずか20枚の画像で構成され、ImageNet最初の10クラスのトレーニングセットと検証セットの最初の画像を表しています。その小さなサイズにもかかわらず、完全なデータセットの構造と多様性を維持しているため、迅速なテストには理想的ですが、モデルのベンチマークには適していません。
ImageNet10 データセットを使用して、深層学習モデルをテストするにはどうすればよいですか？
画像サイズ224x224でImageNet10データセット上で深層学習モデルをテストするには、以下のコードスニペットを使用してください。
テスト例
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="imagenet10", epochs=5, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224
利用可能な引数の包括的なリストについては、トレーニングページを参照してください。
CIテストと健全性チェックにImageNet10データセットを使用する理由は何ですか？
ImageNet10データセットは、CIテスト、サニティチェック、ディープラーニングパイプラインの迅速な評価のために特別に設計されています。サイズが小さいため、迅速な反復とテストが可能で、スピードが重要な継続的インテグレーションプロセスに最適です。オリジナルのImageNet データセットの構造の複雑さと多様性を維持することで、ImageNet10は、大規模なデータセットを処理するオーバーヘッドなしに、モデルの基本的な機能と正しさの信頼できる指標を提供します。
ImageNet10データセットの主な特徴は何ですか？
ImageNet10データセットには、いくつかの重要な機能があります。
- コンパクトサイズ: わずか20枚の画像で、迅速なテストとデバッグが可能です。
- 構造化された組織：ImageNet データセットと同様に、WordNetの階層構造に従っている。
- CIとサニティチェック: 継続的インテグレーションテストとサニティチェックに最適です。
- ベンチマーク用ではありません: クイックモデル評価には役立ちますが、広範なベンチマーク用に設計されていません。
ImageNet10はImageNetteのような他の小規模データセットと比べてどうですか？
ImageNet10と ImageNetteはどちらもImageNetサブセットですが、その目的は異なります。ImageNet10は、ImageNet最初の10クラスからわずか20枚（各クラス2枚）の画像を含んでおり、CIテストや迅速なサニティチェックに非常に軽量です。対照的に、ImageNette には、容易に区別できる 10 のクラスにまたがる数千の画像が含まれているため、実際のモデルのトレーニングや開発に適しています。ImageNet10はパイプラインの機能検証用に設計されており、ImageNetteは有意義ではあるが、ImageNetImageNet 高速なトレーニング実験に適している。
