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 クラスを対象とする 24 枚の画像からなる非常に小規模なサブセットで、継続的インテグレーションのテスト、サニティチェック、トレーニングパイプラインの高速な検証を目的に構築されています。完全なデータセットと同じ WordNet シノセットのフォルダー構造で、トレーニング用 12 枚と検証用 12 枚の画像を保持しています。そのため、ImageNet でトレーニングできるモデルは変更なしで ImageNet10 でもトレーニングでき、数時間ではなく数秒で完了します。これはパイプラインがエンドツーエンドで実行できることを検証するために設計されており、精度のベンチマーク用ではありません。
主な特徴#
- ImageNet10 には、ImageNet の最初の 10 クラスから抽出された画像が、わずか 24 枚（トレーニング用 12 枚、検証用 12 枚）含まれています。
- このデータセットは WordNet の階層に従って構成されており、完全な ImageNet データセットにおけるクラスごとのシノセットフォルダーを再現しています。
- これは、コンピュータビジョンタスクのトレーニングパイプラインにおける継続的インテグレーションテスト、サニティチェック、迅速なデバッグ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しさを迅速に確認できます。
データセットの構成#
ImageNet10 には、完全な ImageNet データセットの最初の 10 クラス（n01440764 テンチから n01518878 ダチョウまで）を使用した、あらかじめ定義された分割が付属しています。
| 分割 | 画像 | クラス |
|---|---|---|
| トレーニング | 12 | 10 |
| 検証 | 12 | 10 |
10 クラスはそれぞれ WordNet シノセット（同義語の集合）であり、画像はシノセット ID を名前とする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想定するレイアウトと完全に同じです。そのため ImageNet10 は、モデルが想定されるフォルダー形式を認識することをテストする際に、完全なデータセットの構造を忠実に再現したコンパクトな代替データセットとして使用できます。
Ultralytics Platform 上の ImageNet10 を確認すると、クラス別にグループ化された画像を閲覧したり、Charts タブでクラス分布を表示したり、クローンしてクラウド上で独自のモデルをトレーニングしたりできます。
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のモデルとパイプラインを迅速にテストおよびデバッグするのに役立ちます。サイズが小さいため高速に反復でき、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適しています。また、完全な ImageNet データセットを使用した大規模な実行に移る前に、新しいモデルやコード変更を素早く予備テストする場合にも便利です。
使用方法#
画像サイズ 224x224 で ImageNet10 データセット上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。使用可能な引数の包括的な一覧については、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、その最初の 10 クラスを代表するように選ばれた画像のサブセットが含まれており、迅速なテストと評価のための多様性を備えたコンパクトなリソースを提供します。
この例では、ImageNet10 データセットに含まれる画像の多様性と複雑さを示し、コンピュータビジョンモデルのサニティチェックや迅速なテストにおける有用性を明らかにしています。
引用と謝辞#
研究または開発作業で 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}
}Olga Russakovsky、Jia Deng、Li Fei-Fei が率いる ImageNet チームが ImageNet データセットを作成・維持していることに謝意を表します。Ultralytics が作成した 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す。ImageNet データセットとその作成者について詳しくは、ImageNet の Web サイトをご覧ください。
FAQ#
ImageNet10 データセットは、ImageNet データベースのコンパクトなサブセットで、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を目的に Ultralytics が作成しました。ImageNet の最初の 10 クラスから、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。サイズは小さいものの、完全なデータセットの WordNet フォルダー構造を維持しているため、パイプラインの迅速なテストには最適ですが、モデル精度のベンチマークには適していません。
ImageNet10 には合計 24 枚の画像（トレーニング用 12 枚、検証用 12 枚）があり、ImageNet の最初の 10 クラスに分散されています。各クラスは専用のフォルダーに格納された WordNet シノセットであり、完全な ImageNet データセットのレイアウトを、はるかに小さいサイズで再現しています。
画像サイズ 224x224 で ImageNet10 上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。
テスト例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一覧については、トレーニングページを参照してください。
ImageNet10 は、深層学習パイプラインにおける CI テスト、サニティチェック、迅速な評価専用に設計されています。24 枚というサイズにより、ほぼ瞬時に反復できるため、速度が重要な継続的インテグレーションに適しています。完全な ImageNet データセットのフォルダー構造を維持しているため、大規模なデータセットを処理するオーバーヘッドなしで、モデルの基本的な機能と正しさを信頼性高く確認できます。
ImageNet10 と ImageNette はどちらも ImageNet のサブセットですが、目的は異なります。ImageNet10 は最初の 10 クラスからわずか 24 枚の画像を含むため、CI テストや迅速なサニティチェック向けの非常に軽量なデータセットです。一方、ImageNette には、容易に識別できる 10 クラスにわたって 13,000 枚を超える画像が含まれており、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を検証するのに対し、ImageNette は完全な ImageNet を使ったトレーニング実験より高速でありながら、意味のある実験に適しています。