Link to this sectionImageNetteデータセット#
ImageNetteデータセットは、ImageNetのサブセットであり、10種類の識別しやすいクラスで構成されています。これは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利用できるようにすることを目的としています。このデータセットには13,394枚のカラー画像（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、フレンチホルンなどのクラスが収録されています。そのため、1,000クラスある完全なImageNetでは数時間かかる画像分類モデルの学習が、数分で完了します。
Link to this section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。
Link to this section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。
| 分割 | 画像 | クラス |
|---|---|---|
| トレーニング | 9,469 | 10 |
| バリデーション | 3,925 | 10 |
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。
Link to this sectionアプリケーション#
The ImageNette dataset is widely used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs) and other machine learning algorithms. Its straightforward format and well-chosen classes make it a handy resource for both beginner and experienced practitioners in machine learning and computer vision.
Link to this section使用方法#
標準的な画像サイズ224x224を使用して、ImageNetteデータセットでモデルを100エポック学習させるには、以下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)Link to this section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、画像分類タスクのための多様なデータセットを提供します。以下はデータセット内の画像例です。
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。
Link to this sectionImageNette160およびImageNette320#
より迅速なプロトタイプ作成や学習のために、ImageNetteにはImageNette160とImageNette320という2つの縮小サイズも用意されています。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、画像の最大辺の長さが小さくなるようにリサイズされています。これらは、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、学習コマンドのimagenetteをimagenette160またはimagenette320に置き換えるだけです。以下のコードスニペットがその例です。
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)これらの小さめのバージョンのデータセットを使用することで、現実的な画像分類タスクを提供しつつ、開発中の反復作業を迅速化できます。Ultralytics Platformを使用すれば、分類データセットの管理やクラウドでの学習実行も可能です。
Link to this section引用と謝辞#
研究や開発活動で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データセットのGitHubページをご覧ください。
We would like to acknowledge the fast.ai team for creating and maintaining ImageNette as a valuable resource for the machine learning and computer vision research community.
Link to this sectionよくある質問 (FAQ)#
Link to this sectionImageNetteデータセットとは何ですか？#
ImageNetteデータセットは、ImageNetの簡略化されたサブセットで、テンチ、イングリッシュ・スプリンガー・スパニエル、フレンチホルンなど、容易に識別可能な10のクラスで構成されています。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、画像分類モデルの効率的な学習と評価のための管理しやすいデータセットとしてfast.aiによって作成されました。これは、機械学習や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で特に役立ちます。
Link to this sectionImageNette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。
Link to this sectionImageNette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上でYOLOモデルを100エポック学習させるには、以下のコマンドを使用してください。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、トレーニングのドキュメントページを参照してください。
Link to this section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）を学習およびベンチマークするために広く使用されています。
モデルの学習とデータセット管理の詳細については、データセット構造セクションを確認してください。
Link to this sectionImageNette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、ImageNette160およびImageNette320での学習を参照してください。
Link to this sectionImageNette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コンピュータビジョン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、特に畳み込みニューラルネットワーク（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。
詳細な使用事例については、アプリケーションセクションを参照してください。