ImageNetteデータセット#

13,394

Imagenette

ultralytics

publicClassify

Imagenette is fast.ai's ten-class ImageNet subset designed for faster classification experiments. Its human-readable classes include tench, English springer, church, chain saw, French horn, garbage truck, gas pump, golf ball, parachute, and cassette player.

10 classes944.7 MBSep 2, 2026

tenchEnglish springercassette playerchain saw+6

image-classificationimagenetteimagenet+1

ImageNetteデータセットは、10個の識別しやすいクラスを含むImageNetのサブセットです。fast.aiが、ソフトウェア開発や教育向けに、より短時間で扱いやすいImageNetを提供するために作成しました。カラー画像は13,394枚含まれており、内訳はトレーニング用が9,469枚、検証用が3,925枚です。tench、English springer、cassette player、French hornなどのクラスにまたがっているため、画像分類モデルを、完全な1,000クラスのImageNetで必要となる数時間ではなく、数分でトレーニングできます。

主な特徴#

• ImageNetteには、10クラスにわたる13,394枚の画像が含まれています。クラスはtench、English springer、cassette player、chain saw、church、French horn、garbage truck、gas pump、golf ball、parachuteです。
• あらかじめ定義された分割により、さまざまな寸法のカラー画像がトレーニング用9,469枚、検証用3,925枚含まれています。
• 明確に分かれた10クラスにより、ImageNetteは高速にトレーニングでき、結果も理解しやすいため、画像分類のプロトタイピングや教育で広く使用されています。

データセットの構成#

ImageNetteには、あらかじめ定義されたトレーニング／検証分割が含まれており、各クラスは専用のフォルダーに保存されています。

クラスごとに画像の正確な枚数は異なるため、完全なImageNetデータセットほど大規模ではない一方、迅速なトレーニングやベンチマークに適した現実的な分布になっています。

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のトレーニングと評価に広く使用されています。対象には、畳み込みニューラルネットワーク（CNNs）やその他の機械学習アルゴリズムなどがあります。分かりやすい形式と適切に選定されたクラスにより、機械学習やコンピュータービジョンに取り組む初心者から経験豊富な実務者まで、便利に利用できます。

使用方法#

ImageNetteデータセットで、標準画像サイズ224x224、100エポックのモデルを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="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、さまざまな物体やシーンのカラー画像が含まれており、画像分類タスク向けの多様なデータセットとなっています。データセットの画像例を以下に示します。

この例から、ImageNetteデータセットの画像の多様性と複雑さが分かります。堅牢な画像分類モデルのトレーニングには、多様なデータセットが重要であることを示しています。

ImageNette160とImageNette320#

より高速なプロトタイピングとトレーニングを実現するため、ImageNetteには縮小版としてImageNette160とImageNette320の2種類も用意されています。これらのデータセットは、完全版のImageNetteと同じクラスと構造を維持しながら、画像の最大辺の長さを小さくリサイズしています。予備的なモデルテストや、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に例を示します。

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)

これらの小型版データセットにより、現実的な画像分類タスクを維持しながら、開発中に迅速な反復を実行できます。Ultralytics Platformを使用して、分類データセットの管理やクラウドでのトレーニングを行うこともできます。

引用と謝辞#

研究または開発でImageNetteデータセットを使用する場合は、適切に謝辞を記載してください。ImageNetteの詳細については、ImageNetteデータセットのGitHubページをご覧ください。

価値あるリソースであるImageNetteを作成・維持し、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貢献しているfast.aiチームに謝意を表します。

FAQ#