イメージネットデータセット

ImageNetteデータセットは、より大きなImagenetデータセットのサブセットであるが、簡単に区別できる10クラスしか含まれていない。ソフトウェア開発や教育のために、Imagenetをより早く、使いやすくするために作られました。

主な特徴

• イメージネットには、テンチ、English スプリンガー、カセットプレーヤー、チェーンソー、教会、フレンチホーン、ゴミ収集車、ガスポンプ、ゴルフボール、パラシュートなど、10種類の画像が含まれています。
• データセットは様々な次元のカラー画像で構成されている。
• ImageNetteは、機械学習の分野、特に画像分類タスクの訓練とテストに広く使用されています。

データセット構造

ImageNetteデータセットは2つのサブセットに分かれている：

1. トレーニングセット：このサブセットには、機械学習モデルの学習に使用される数千の画像が含まれる。正確な数はクラスごとに異なります。
2. 検証セット：このサブセットは、学習済みモデルの検証およびベンチマークに使用される数百の画像で構成される。ここでも、正確な数はクラスごとに異なります。

アプリケーション

ImageNetteデータセットは、CNN（Convolutional Neural Networks：畳み込みニューラルネットワーク）やその他の様々な機械学習アルゴリズムのような、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や評価に広く利用されています。このデータセットのわかりやすいフォーマットとよく選ばれたクラスは、機械学習とコンピュータビジョンの分野の初心者と経験者の両方にとって便利なリソースとなっています。

使用方法

標準画像サイズ224x224のImageNetteデータセットを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("yolov8n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenette", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo detect train data=imagenette model=yolov8n-cls.pt epochs=100 imgsz=224

サンプル画像と注釈

ImageNetteデータセットには様々なオブジェクト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する。以下にデータセットからの画像の例を示す：

この例は、ImageNetteデータセットに含まれる画像の多様性と複雑性を示しており、ロバストな画像分類モデルをトレーニングするための多様なデータセットの重要性を強調している。

イメージネット160とイメージネット320

より迅速なプロトタイピングとトレーニングのために、ImageNetteデータセットは2つの縮小サイズでも利用可能です：ImageNette160 と ImageNette320 です。これらのデータセットは、完全なImageNetteデータセットと同じクラスと構造を維持しているが、画像はより小さい次元にリサイズされている。そのため、これらのバージョンのデータセットは、モデルの予備的なテストや、計算リソースが限られている場合に特に有用である。

これらのデータセットを使うには、trainingコマンドの'imagenette'を'imagenette160'または'imagenette320'に置き換えるだけでよい。次のコード・スニペットで説明する：

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model with ImageNette160
yolo detect train data=imagenette160 model=yolov8n-cls.pt epochs=100 imgsz=160

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model with ImageNette320
yolo detect train data=imagenette320 model=yolov8n-cls.pt epochs=100 imgsz=320

このような小さいバージョンのデータセットは、価値ある現実的な画像分類タスクを提供しながらも、開発プロセスでの迅速な反復を可能にする。

引用と謝辞

ImageNetteデータセットを研究または開発で使用する場合は、適切な謝辞をお願いします。ImageNetteデータセットの詳細については、ImageNetteデータセットのGitHubページをご覧ください。

よくあるご質問

ImageNetteデータセットとは？

ImageNetteデータセットは、より大きなImageNetデータセットの簡略化されたサブセットで、テンチ、English スプリンガー、フレンチホルンなど、簡単に区別できる10クラスのみを特徴としている。画像分類モデルの効率的な学習と評価のために、より管理しやすいデータセットを提供するために作成されました。このデータセットは、機械学習やコンピュータビジョンの迅速なソフトウェア開発や教育目的に特に有用である。

YOLO モデルのトレーニングに ImageNette データセットを使用するには？

ImageNetteデータセットで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する。Ultralytics YOLO の環境がセットアップ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("yolov8n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenette", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo detect train data=imagenette model=yolov8n-cls.pt 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ご覧ください。

なぜ画像分類にImageNetteを使う必要があるのですか？

ImageNetteデータセットが有利な理由はいくつかある：

• 迅速かつシンプル：10クラスしか含まれていないため、大規模なデータセットに比べ、複雑で時間がかかることはありません。
• 教育用途：計算能力と時間が少なくて済むので、画像分類の基礎を学んだり教えたりするのに理想的です。
• 汎用性：特に画像分類において、様々な機械学習モデルの訓練やベンチマークに広く使用されている。

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、データセット構造のセクションを参照してください。

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 データセットは2つのリサイズ版もあります：ImageNette160 と ImageNette320 です。これらのバージョンは、より迅速なプロトタイピングに役立ち、計算リソースが限られている場合に特に有用です。

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")

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

# Start training from a pretrained *.pt model with ImageNette160
yolo detect train data=imagenette160 model=yolov8n-cls.pt epochs=100 imgsz=160

詳しくは、ImageNette160 と ImageNette320 のトレーニングを参照してください。

ImageNetteデータセットの実用的なアプリケーションは？

ImageNetteデータセットは広範囲に利用されている：

• 教育の場：機械学習とコンピュータビジョンの初心者を教育する。
• ソフトウェア開発：画像分類モデルの迅速なプロトタイピングと開発のために。
• ディープラーニングの研究：様々なディープラーニングモデル、特にCNN（Convolutional Neural Network）の性能評価とベンチマークを行う。

詳細な使用例については、アプリケーションのセクションを参照してください。

コメント