コンテンツへスキップ

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。

列車の例

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:

データセットサンプル画像

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:

ImageNette160を使用したトレーニング例

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

ImageNette320を使用したトレーニング例

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。



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (5)

コメント