이미지 분류 데이터 세트 개요

YOLO 분류 작업의 데이터 세트 구조

For Ultralytics YOLO 분류 작업의 경우, 데이터 세트는 아래의 특정 분할 방향 구조로 구성되어야 합니다. root 디렉토리를 사용하여 적절한 교육, 테스트 및 선택적 유효성 검사 프로세스를 용이하게 합니다. 이 구조에는 교육을 위한 별도의 디렉터리(train) 및 테스트(test) 단계, 유효성 검사를 위한 선택적 디렉토리(val).

이러한 각 디렉터리에는 데이터 세트의 각 클래스에 대해 하나의 하위 디렉터리가 포함되어야 합니다. 하위 디렉터리는 해당 클래스의 이름을 따서 명명되며 해당 클래스에 대한 모든 이미지를 포함합니다. 각 이미지 파일의 이름은 고유하게 지정하고 JPEG 또는 PNG와 같은 공통 형식으로 저장해야 합니다.

폴더 구조 예시

CIFAR-10 데이터 집합을 예로 들어 보겠습니다. 폴더 구조는 다음과 같아야 합니다:

cifar-10-/
|
|-- train/
|   |-- airplane/
|   |   |-- 10008_airplane.png
|   |   |-- 10009_airplane.png
|   |   |-- ...
|   |
|   |-- automobile/
|   |   |-- 1000_automobile.png
|   |   |-- 1001_automobile.png
|   |   |-- ...
|   |
|   |-- bird/
|   |   |-- 10014_bird.png
|   |   |-- 10015_bird.png
|   |   |-- ...
|   |
|   |-- ...
|
|-- test/
|   |-- airplane/
|   |   |-- 10_airplane.png
|   |   |-- 11_airplane.png
|   |   |-- ...
|   |
|   |-- automobile/
|   |   |-- 100_automobile.png
|   |   |-- 101_automobile.png
|   |   |-- ...
|   |
|   |-- bird/
|   |   |-- 1000_bird.png
|   |   |-- 1001_bird.png
|   |   |-- ...
|   |
|   |-- ...
|
|-- val/ (optional)
|   |-- airplane/
|   |   |-- 105_airplane.png
|   |   |-- 106_airplane.png
|   |   |-- ...
|   |
|   |-- automobile/
|   |   |-- 102_automobile.png
|   |   |-- 103_automobile.png
|   |   |-- ...
|   |
|   |-- bird/
|   |   |-- 1045_bird.png
|   |   |-- 1046_bird.png
|   |   |-- ...
|   |
|   |-- ...

이러한 구조화된 접근 방식은 모델이 훈련 단계에서 잘 구성된 클래스를 통해 효과적으로 학습하고 테스트 및 검증 단계에서 성능을 정확하게 평가할 수 있도록 합니다.

사용법

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='path/to/dataset', epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=path/to/data model=yolov8n-cls.pt epochs=100 imgsz=640

지원되는 데이터 세트

Ultralytics 는 자동 다운로드를 통해 다음과 같은 데이터 세트를 지원합니다:

• Caltech 101: 이미지 분류 작업을 위한 101개 객체 카테고리의 이미지가 포함된 데이터 세트입니다.
• Caltech 256: 256개의 개체 범주와 더 어려운 이미지가 포함된 Caltech 101의 확장 버전입니다.
• CIFAR-10: 10개의 클래스로 구성된 60K 32x32 컬러 이미지 데이터 세트(클래스당 6K 이미지)입니다.
• CIFAR-100: 100개의 객체 카테고리와 클래스당 600개의 이미지가 포함된 CIFAR-10의 확장 버전입니다.
• Fashion-MNIST: 이미지 분류 작업을 위한 10가지 패션 카테고리의 70,000개 흑백 이미지로 구성된 데이터 세트입니다.
• ImageNet: 1,400만 개 이상의 이미지와 20,000개 이상의 카테고리가 포함된 물체 감지 및 이미지 분류를 위한 대규모 데이터 세트입니다.
• ImageNet-10: 더 빠른 실험과 테스트를 위해 10개의 카테고리로 구성된 ImageNet의 작은 하위 집합입니다.
• 이미지넷: 더 빠른 교육과 테스트를 위해 쉽게 구분할 수 있는 10개의 클래스를 포함하는 ImageNet의 작은 하위 집합입니다.
• 이미지 우프: 이미지 분류 작업을 위한 10가지 견종 카테고리를 포함하는 ImageNet의 더 까다로운 하위 집합입니다.
• MNIST: 이미지 분류 작업을 위한 70,000개의 손으로 쓴 숫자로 구성된 회색조 이미지 데이터 세트입니다.

나만의 데이터 집합 추가하기

자체 데이터 세트가 있고 이를 Ultralytics 로 분류 모델을 훈련하는 데 사용하려는 경우, 위의 "데이터 세트 형식"에서 지정된 형식을 따르는지 확인한 다음 다음을 가리키세요. data 인수를 데이터 집합 디렉터리에 추가합니다.

댓글