ImageNet10 データセット#
Ultralytics の ImageNet10 データセット (data="imagenet10") は、ImageNet の最初の 10 クラスにわたるわずか 24 枚の画像のサブセットであり、継続的インテグレーション（CI）テスト、サニティチェック、およびトレーニングパイプラインの高速な検証のために構築されています。フルデータセットと同じ WordNet シンスセットのフォルダ構造で整理された 12 枚のトレーニング画像と 12 枚のvalidation画像が格納されているため、ImageNet でトレーニングを行うモデルは、数時間ではなく数秒で、ImageNet10 でもそのままトレーニングを行うことができます。精度のベンチマークではなく、パイプラインがエンドツーエンドで実行されることを検証するように設計されています。
主な特徴#
- ImageNet10 には、ImageNet の最初の10クラスから抽出されたわずか24枚の画像（トレーニング用12枚、検証用12枚）が含まれています。
- このデータセットは WordNet 階層に従って整理されており、完全な ImageNet データセットのクラスごとのシーンセットフォルダーを反映しています。
- コンピュータビジョンタスクにおける学習パイプラインの継続的インテグレーションテスト、動作確認、および迅速なデバッグのために専用に構築されています。
- モデルのベンチマーク用には設計されていませんが、モデルの基本的な機能と正確性を迅速に確認できます。
データセットの構造#
ImageNet10 には、フル ImageNet データセットの最初の 10 クラス（n01440764 のテンチから n01518878 のダチョウまで）を使用した事前定義されたスプリットが付属しています：
| 分割 | 画像 | クラス |
|---|---|---|
| トレーニング | 12 | 10 |
| バリデーション | 12 | 10 |
10個の各クラスは WordNet シーンセット（同義語のセット）であり、画像はシーンセット ID で命名されたクラスごとのフォルダーに格納されています。これは、Ultralytics の分類トレーニングが期待する構成そのものです。このため、ImageNet10 はモデルが期待されるフォルダー形式を認識できるかを確認する際に、完全なデータセットのコンパクトで構造的に忠実な代替手段となります。
Ultralytics Platform の ImageNet10 を探索して、クラスごとにグループ化された画像を参照し、Charts タブでクラス分布を表示し、クラウドで独自のモデルをトレーニングするためにクローンを作成します。
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あり、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実行に移る前に、新しいモデルやコード変更の迅速な予備テストを行うのにも便利です。
使用方法#
ImageNet10 データセットで画像サイズ 224x224 の分類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。
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="imagenet10", 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、元の ImageNet データセットからの画像サブセットが含まれており、最初の10クラスを表現し、迅速なテストと評価のための多様かつコンパクトなリソースを提供するために選ばれました。
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、コンピュータビジョンモデルのサニティチェックと迅速なテストにおける有用性を強調しています。
引用と謝辞#
研究や開発の仕事で ImageNet10 データセットを使用する場合は、元の ImageNet の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}
}ImageNet データセットを作成および維持してくださった、Olga Russakovsky、Jia Deng、Li Fei-Fei が率いる ImageNet チームに感謝いたします。Ultralytics によって作成された ImageNet10 サブセットは、機械学習およびコンピュータビジョンの研究コミュニティにおいて、迅速なテストとデバッグのための貴重なリソースです。ImageNet データセットとその作成者の詳細については、ImageNet ウェブサイトをご覧ください。
よくある質問 (FAQ)#
ImageNet10 データセットとは何ですか？また、完全な ImageNet データセットとどのように異なりますか？#
ImageNet10 データセットは、迅速な CI テスト、サニティチェック、およびトレーニングパイプラインの評価のために Ultralytics によって作成された、ImageNet データベースのコンパクトなサブセットです。ImageNet の最初の 10 クラスからの 24 枚の画像（12 枚のトレーニング画像と 12 枚の validation画像）が含まれています。サイズは小さいものの、フルデータセットの WordNet フォルダ構造を維持しているため、モデル精度のベンチマークには適していませんが、パイプラインの迅速なテストには最適です。
ImageNet10 には何枚の画像といくつのクラスがありますか？#
ImageNet10 には合計24枚の画像が含まれており、トレーニング用に12枚、検証用に12枚が割り当てられ、ImageNet の最初の10クラスにわたっています。各クラスは独自のフォルダーに格納された WordNet シーンセットであるため、データセットは完全な ImageNet データセットの構成をわずかなサイズで反映しています。
ImageNet10 データセットを使用してディープラーニング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 上で分類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。
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="imagenet10", 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。
なぜ CI テストやサニティチェックに ImageNet10 データセットを使用すべきなのですか？#
ディープラーニングパイプラインにおける CI テスト、サニティチェック、および迅速な評価のために特別に設計されています。24 枚という画像サイズによりほぼ瞬時の反復が可能であり、速度が極めて重要な継続的インテグレーションに最適です。フル ImageNet データセットのフォルダ構造を維持することで、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確性の信頼性の高いチェックを提供します。
ImageNet10 は ImageNette などの他の小さなデータセットと比較してどうですか？#
ImageNet10 と ImageNette はどちらも ImageNet のサブセットですが、異なる目的に使用されます。ImageNet10 には最初の 10 クラスからのわずか 24 枚の画像しか含まれていないため、CI テストや迅速なサニティチェックにおいて非常に軽量です。対照的に、ImageNette には容易に区別できる 10 クラスにわたる 13,000 枚以上の画像が含まれており、実際のモデルのトレーニングと開発に適しています。ImageNet10 はパイプラインの機能を検証し、ImageNette はフル ImageNet よりも高速でありながら意味のあるトレーニング実験に適しています。