ImageNetteデータセット#

ImageNette データセットは、ImageNet のサブセットであり、簡単に区別できる10のクラスを含んでいます。fast.ai によって作成され、ソフトウェア開発や教育のために ImageNet をより迅速かつ簡単に使用できるように提供されています。13,394枚のカラー画像（トレーニング用9,469枚、検証用3,925枚）が含まれており、テンチ、イングリッシュ・スプリンガー、カセットプレーヤー、フレンチホルンなどのクラスにまたがっているため、フルサイズの1,000クラスの ImageNet では数時間かかるトレーニングを、image classification モデルが数分で完了できるようになります。

主な特徴#

• ImageNetteには、テンチ、イングリッシュ・スプリンガー・スパニエル、カセットプレーヤー、チェーンソー、教会、フレンチホルン、ゴミ収集車、ガソリンポンプ、ゴルフボール、パラシュートの10クラスにわたる13,394枚の画像が含まれています。
• 学習用に9,469枚、検証用に3,925枚という、さまざまなサイズのカラー画像による定義済みの分割が含まれています。
• 10個の明確に区別されたクラスにより、ImageNetteは学習が高速で理解しやすいため、画像分類のプロトタイプ作成や教育に広く使用されています。

データセットの構造#

ImageNetteには定義済みの学習/検証分割が含まれており、各クラスはそれぞれのフォルダに格納されています。

画像の正確な数はクラスごとに異なります。これにより、完全なImageNetデータセットの規模を必要とせず、迅速な学習やベンチマーク評価のための現実的な分布が提供されます。

アプリケーション#

ImageNette データセットは、画像分類タスクにおけるディープラーニングモデル（畳み込みニューラルネットワーク（CNN）やその他の機械学習アルゴリズムなど）のトレーニングと評価に広く使用されています。そのシンプルなフォーマットとよく選ばれたクラスにより、機械学習およびコンピュータビジョンの初心者から経験豊富な実務者までにとって便利なリソースとなっています。

使用方法#

標準の画像サイズ 224x224 を使用して ImageNette データセットでモデルを 100 epochs トレーニングするには、次のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデルのTraining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="imagenette", epochs=100, imgsz=224)

サンプル画像とアノテーション#

ImageNette データセットには、さまざまなオブジェクトやシーンのカラー画像が含まれており、image classification タスクに向けた多様なデータセットを提供します。データセットからの画像の例をいくつか示します。

この例では、ImageNetteデータセット内の画像の多様性と複雑さを示しており、堅牢な画像分類モデルを学習させるための多様なデータセットの重要性を強調しています。

ImageNette160およびImageNette320#

より高速なプロトタイピングとトレーニングのために、ImageNette は ImageNette160 と ImageNette320 の2つの縮小サイズでも利用可能です。これらのデータセットは、完全な ImageNette と同じクラスと構造を維持していますが、画像はより小さな最大エッジ長にリサイズされています。これらは、モデルの事前テストや計算リソースが限られている場合に特に役立ちます。

これらのデータセットを使用するには、トレーニングコマンド内の imagenette を imagenette160 または imagenette320 に置き換えるだけです。次のコードスニペットはその方法を示しています。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette320
results = model.train(data="imagenette320", epochs=100, imgsz=320)

このデータセットのより小さなバージョンを使用することで、現実的な画像分類タスクを提供しつつ、開発中の迅速なイテレーションが可能になります。Ultralytics Platformを使用して、クラウドで分類データセットの管理やトレーニングの実行を行うことも可能です。

引用と謝辞#

研究や開発作業で ImageNette データセットを使用する場合は、適切にクレジットを記載してください。ImageNette の詳細については、ImageNette dataset GitHub pageをご覧ください。

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とって価値あるリソースである ImageNette を作成および維持してくださっている fast.ai チームに感謝いたします。

よくある質問 (FAQ)#

ImageNetteデータセットとは何ですか？#

ImageNette データセットは、ImageNet の簡素化されたサブセットであり、テンチ、イングリッシュ・スプリンガー、フレンチホルンなどの簡単に区別できる 10 のクラスを備えています。合計 13,394 枚の画像（トレーニング用 9,469 枚、検証用 3,925 枚）を含んでおり、画像分類モデルの効率的なトレーニングと評価のための扱いやすいデータセットを提供するために fast.ai によって作成されました。これにより、機械学習およびコンピュータビジョンにおける迅速なソフトウェア開発や教育目的に特に役立ちます。

ImageNetteにはいくつの画像とクラスがありますか？#

ImageNetteには合計13,394枚の画像（学習用9,469枚、検証用3,925枚）が含まれており、テンチ、イングリッシュ・スプリンガー・スパニエル、カセットプレーヤー、チェーンソー、教会、フレンチホルン、ゴミ収集車、ガソリンポンプ、ゴルフボール、パラシュートの10クラスに分類されています。各クラスはUltralyticsが想定する標準的な分類レイアウトに従い、個別のフォルダに保存されています。

ImageNetteデータセットを使用してYOLOモデルを学習するにはどうすればよいですか？#

ImageNette で YOLO モデルを 100 epochs トレーニングするには、次のコマンドを使用します。Ultralytics YOLO 環境が設定されていることを確認してください。

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="imagenette", epochs=100, imgsz=224)

詳細については、Training ドキュメントページを参照してください。

画像分類タスクでImageNetteを使用する理由は何ですか？#

ImageNetteデータセットにはいくつかの利点があります。

• 迅速かつシンプル: わずか10クラス、約13,000枚の画像であるため、完全なImageNetよりもはるかに複雑さが低く、学習にかかる時間も短縮されます。
• 教育利用: コンピューティングパワーや時間をあまり必要としないため、画像分類の基礎を学習・教育するのに最適です。
• 汎用性: 画像分類モデル、特に畳み込みニューラルネットワーク（CNN）のトレーニングとベンチマークに広く使用されています。

モデルのトレーニングとデータセット管理の詳細については、Dataset Structure セクションをご覧ください。

ImageNetteデータセットは異なる画像サイズで使用できますか？#

はい、ImageNetteにはImageNette160とImageNette320という2つのリサイズ版も用意されており、これらは最大辺が短くなるようにリサイズされています。これらのバージョンはプロトタイプ作成を高速化し、計算リソースが制限されている場合に特に役立ちます。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

詳細については、Training with ImageNette160 and ImageNette320 を参照してください。

ImageNetteデータセットの実用的な用途にはどのようなものがありますか？#

ImageNetteデータセットは以下の分野で広く使用されています。

• 教育現場: 初心者に機械学習とcomputer visionの基礎を教えるため。
• ソフトウェア開発: 画像分類モデルの迅速なプロトタイプ作成および開発のため。
• ディープラーニング研究: さまざまなディープラーニングモデル、特に畳み込みNeural Networks (CNN) のパフォーマンスを評価およびベンチマークするため。

詳細なユースケースについては、Applications セクションをご覧ください。