ImageWoofデータセット#
ImageWoofデータセットは、意図的に見分けにくくした10種類の犬種クラスで構成されるImageNetのサブセットです。fast.aiが、画像分類アルゴリズム向けのより難しいチャレンジとして作成しました。Beagle、Shih-Tzu、Golden retrieverなどの犬種を含む12,954枚のカラー画像（トレーニング用9,025枚、検証用3,929枚）で構成され、明確な物体カテゴリではなく、微妙で細かな違いを識別するようモデルに求めます。
主な特徴#
- ImageWoofには、10種類の犬種にまたがる12,954枚の画像が含まれています。犬種はAustralian terrier、Border terrier、Samoyed、Beagle、Shih-Tzu、English foxhound、Rhodesian ridgeback、Dingo、Golden retriever、Old English sheepdogです。
- あらかじめ定義されたトレーニング用9,025枚、検証用3,929枚の分割が用意されており、さまざまな計算予算に対応できるよう、フルサイズ、320px、160pxの解像度で利用できます。
- ラベルにノイズを含むバージョンも用意されており、ラベルが常に信頼できるとは限らない、より現実的なシナリオを提供します。
データセットの構成#
ImageWoofにはあらかじめ定義されたトレーニング／検証分割が用意されており、各犬種は専用のフォルダーに保存されています。
| 分割 | 画像 | クラス |
|---|---|---|
| トレーニング | 9,025 | 10 |
| 検証 | 3,929 | 10 |
10クラスすべてが犬種であるため、この分割は、ImageNet全体のような広範な物体認識ではなく、視覚的に類似したカテゴリを見分ける細粒度分類をテストするよう設計されています。
アプリケーション#
ImageWoofデータセットは、より複雑で類似したクラスを対象に深層学習モデルをトレーニングおよび評価するために広く使用されています。犬種間の微妙な違いが難しさとなり、モデルの性能と汎化能力の限界に挑戦します。特に次の用途に有用です。
- 細粒度カテゴリにおける分類性能のベンチマーク
- 外観が類似したクラスに対するモデルの堅牢性のテスト
- 微妙な視覚的差異を識別できるアルゴリズムの開発
- 一般ドメインから特定ドメインへの転移学習の評価
使用方法#
画像サイズ224x224、100エポックでImageWoofデータセットの分類モデルをトレーニングするには、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="imagewoof", epochs=100, imgsz=224)データセットのバリエーション#
ImageWoofには、さまざまな研究ニーズと計算予算に対応する3つのサイズがあります。
- フルサイズ（
imagewoof）: フルサイズの画像を含むオリジナル版で、最終トレーニングや性能ベンチマークに適しています。 - 中サイズ（
imagewoof320）: 画像の最大辺長を320ピクセルにリサイズしたもので、モデル性能を大きく損なわずに、より高速なトレーニングを行うのに適しています。 - 小サイズ（
imagewoof160）: 画像の最大辺長を160ピクセルにリサイズしたもので、トレーニング速度を優先する迅速なプロトタイピングや実験向けに設計されています。
これらのバリエーションを使用するには、データセット引数のimagewoofをimagewoof320またはimagewoof160に置き換えるだけです。例：
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training)
# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)
# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)小さい画像では分類精度が低くなる可能性がありますが、モデル開発の初期段階で迅速に反復する優れた方法です。Ultralytics Platformを使用して、分類データセットを管理し、クラウドでトレーニングを実行することもできます。
サンプル画像とアノテーション#
ImageWoofデータセットにはさまざまな犬種のカラフルな画像が含まれており、画像分類タスク向けの難易度の高いデータセットを提供します。以下にデータセットの画像例を示します。
この例では、さまざまな犬種間の微妙な違いと類似点を示し、分類タスクの複雑さと難しさを明らかにしています。
引用と謝辞#
研究または開発作業でImageWoofデータセットを使用する場合は、公式データセットリポジトリへのリンクを記載して、データセットの作成者に謝意を示してください。
fast.aiチームが、機械学習およびコンピュータービジョン研究コミュニティ向けの貴重なリソースとしてImageWoofを作成・維持していることに謝意を表します。ImageWoofの詳細については、ImageWoofデータセットリポジトリをご覧ください。
FAQ#
ImageWoofには、合計12,954枚の画像（トレーニング用9,025枚、検証用3,929枚）が含まれ、10種類の犬種に分類されています。犬種はAustralian terrier、Border terrier、Samoyed、Beagle、Shih-Tzu、English foxhound、Rhodesian ridgeback、Dingo、Golden retriever、Old English sheepdogです。各犬種は専用のフォルダーに保存されており、Ultralyticsが想定する標準的な分類レイアウトに従っています。
画像サイズ224x224、100エポックでUltralytics YOLOを使用してImageWoofデータセットの分類モデルをトレーニングするには、次のコードを使用します。
トレーニング例from ultralytics import YOLO model = YOLO("yolo26n-cls.pt") # Load a pretrained model results = model.train(data="imagewoof", epochs=100, imgsz=224)利用可能なトレーニング引数の詳細については、トレーニングページを参照してください。
ImageWoofデータセットには3つのサイズがあります。
- フルサイズ（
imagewoof）: フルサイズの画像を含み、最終トレーニングやベンチマークに適しています。 - 中サイズ（
imagewoof320）: 最大辺長320ピクセルにリサイズした画像で、より高速なトレーニングに適しています。 - 小サイズ（
imagewoof160）: 最大辺長160ピクセルにリサイズした画像で、迅速なプロトタイピングに最適です。
データセット引数の
imagewoofを適切なバージョンに置き換えて使用します。小さい画像では分類精度が低くなる可能性がありますが、より迅速な反復に役立ちます。- フルサイズ（
ImageWoofデータセットのノイズのあるラベルは、ラベルが常に正確とは限らない現実世界の状況をシミュレートします。このデータでモデルをトレーニングすると、画像分類タスクにおける堅牢性と汎化能力の向上に役立ちます。実際のアプリケーションで頻繁に遭遇する、曖昧なデータや誤ってラベル付けされたデータをモデルが効果的に処理できるようにします。
ImageWoofの主な課題は、収録されている犬種間の微妙な違いにあります。近縁な10種類の犬種に焦点を当てているため、それらを識別するには、より高度でファインチューニングされた画像分類モデルが必要です。このため、ImageWoofは深層学習モデルの性能と改善をテストする優れたベンチマークとなっています。