ImageNet10 데이터 세트

ImageNet10 데이터 세트는 ImageNet 데이터베이스의 소규모 하위 집합으로, 다음에서 개발했습니다. Ultralytics 에서 개발했으며 CI 테스트, 건전성 검사 및 훈련 파이프라인의 빠른 테스트를 위해 설계되었습니다. 이 데이터 세트는 훈련 세트의 첫 번째 이미지와 ImageNet의 처음 10개 클래스의 유효성 검사 세트의 첫 번째 이미지로 구성됩니다. 훨씬 더 작지만, 원래 ImageNet 데이터 세트의 구조와 다양성을 그대로 유지합니다.

주요 기능

• ImageNet10은 원래 데이터 세트의 처음 10개 클래스를 나타내는 20개의 이미지가 포함된 ImageNet의 압축 버전입니다.
• 데이터 세트는 전체 이미지넷 데이터 세트의 구조를 반영하는 WordNet 계층 구조에 따라 구성됩니다.
• 컴퓨터 비전 작업에서 CI 테스트, 정신 상태 확인, 트레이닝 파이프라인의 신속한 테스트에 이상적입니다.
• 모델 벤치마킹을 위해 설계된 것은 아니지만 모델의 기본 기능과 정확성을 빠르게 파악할 수 있습니다.

데이터 세트 구조

이미지넷10 데이터 세트는 원래의 이미지넷과 마찬가지로 워드넷 계층구조를 사용해 구성됩니다. ImageNet10의 각 10개의 클래스는 동의어 집합(동의어 용어의 모음)으로 설명됩니다. ImageNet10의 이미지에는 하나 이상의 신셋으로 주석이 추가되어 다양한 객체와 그 관계를 인식하는 모델을 테스트하기 위한 간결한 리소스를 제공합니다.

애플리케이션

ImageNet10 데이터 세트는 컴퓨터 비전 모델과 파이프라인을 빠르게 테스트하고 디버깅하는 데 유용합니다. 크기가 작아 신속한 반복이 가능하므로 지속적인 통합 테스트와 정상 상태 확인에 이상적입니다. 또한 전체 ImageNet 데이터 세트로 본격적인 테스트를 진행하기 전에 새 모델이나 기존 모델의 변경 사항을 빠르게 예비 테스트하는 데 사용할 수도 있습니다.

사용법

이미지 크기가 224x224인 ImageNet10 데이터 세트에서 딥러닝 모델을 테스트하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenet10", epochs=5, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224

샘플 이미지 및 주석

ImageNet10 데이터 세트에는 원본 ImageNet 데이터 세트의 이미지 하위 집합이 포함되어 있습니다. 이 이미지들은 데이터 세트의 처음 10개 클래스를 대표하도록 선택되어 빠른 테스트와 평가를 위한 다양하면서도 간결한 데이터 세트를 제공합니다.

이 예는 이미지넷10 데이터 세트에 포함된 이미지의 다양성과 복잡성을 보여주며, 컴퓨터 비전 모델의 건전성 검사 및 빠른 테스트에 유용함을 강조합니다.

인용 및 감사

연구 또는 개발 작업에 ImageNet10 데이터 세트를 사용하는 경우, 원본 ImageNet 논문을 인용해 주세요:

@article{ILSVRC15,
         author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
         title={ImageNet Large Scale Visual Recognition Challenge},
         year={2015},
         journal={International Journal of Computer Vision (IJCV)},
         volume={115},
         number={3},
         pages={211-252}
}

ImageNet 데이터세트를 만들고 유지 관리해 주신 Olga Russakovsky, Jia Deng, Li Fei-Fei가 이끄는 ImageNet 팀에 감사의 말씀을 전합니다. ImageNet10 데이터 세트는 압축된 하위 집합이지만 머신 러닝 및 컴퓨터 비전 연구 커뮤니티에서 빠른 테스트와 디버깅을 위한 귀중한 리소스입니다. ImageNet 데이터 세트와 제작자에 대한 자세한 내용은 ImageNet 웹사이트를 참조하세요.

자주 묻는 질문

이미지넷10 데이터 세트는 무엇이며 전체 이미지넷 데이터 세트와 어떻게 다른가요?

ImageNet10 데이터 세트는 신속한 CI 테스트, 건전성 검사, 훈련 파이프라인 평가를 위해 Ultralytics 에서 만든 원본 ImageNet 데이터베이스의 압축된 하위 집합입니다. ImageNet10은 20개의 이미지로만 구성되어 있으며, ImageNet의 처음 10개 클래스의 훈련 및 검증 세트의 첫 번째 이미지를 나타냅니다. 크기는 작지만 전체 데이터 세트의 구조와 다양성을 유지하므로 빠른 테스트에는 이상적이지만 모델 벤치마킹에는 적합하지 않습니다.

ImageNet10 데이터 세트를 사용하여 딥러닝 모델을 테스트하려면 어떻게 해야 하나요?

이미지 크기가 224x224인 이미지넷10 데이터 세트에서 딥러닝 모델을 테스트하려면 다음 코드 스니펫을 사용하세요.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenet10", epochs=5, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenet10 model=yolo11n-cls.pt epochs=5 imgsz=224

사용 가능한 인수의 전체 목록은 교육 페이지를 참조하세요.

CI 테스트 및 건전성 검사에 ImageNet10 데이터 세트를 사용해야 하는 이유는 무엇인가요?

ImageNet10 데이터 세트는 딥 러닝 파이프라인에서 CI 테스트, 건전성 검사, 빠른 평가를 위해 특별히 설계되었습니다. 크기가 작아 신속한 반복과 테스트가 가능하므로 속도가 중요한 지속적인 통합 프로세스에 적합합니다. 이미지넷10은 원본 이미지넷 데이터 세트의 구조적 복잡성과 다양성을 유지함으로써 대규모 데이터 세트 처리의 오버헤드 없이도 모델의 기본 기능과 정확성을 안정적으로 표시할 수 있습니다.

ImageNet10 데이터 세트의 주요 기능은 무엇인가요?

ImageNet10 데이터 세트에는 몇 가지 주요 기능이 있습니다:

• 컴팩트한 크기: 20개의 이미지만 있으면 신속한 테스트와 디버깅이 가능합니다.
• 구조화된 조직: 전체 이미지넷 데이터 세트와 유사한 워드넷 계층 구조를 따릅니다.
• CI 및 건전성 검사: 지속적인 통합 테스트 및 건전성 검사에 이상적입니다.
• 벤치마킹용이 아닙니다: 빠른 모델 평가에는 유용하지만 광범위한 벤치마킹을 위해 설계된 것은 아닙니다.

이미지넷10은 이미지넷과 같은 다른 소규모 데이터 세트와 어떻게 비교되나요?

이미지넷10과 이미지넷은 모두 이미지넷의 하위 집합이지만, 서로 다른 용도로 사용됩니다. 이미지넷10은 이미지넷의 첫 10개 클래스에서 20개(클래스당 2개)의 이미지만 포함하므로 CI 테스트와 빠른 정상 여부 확인에 매우 가볍습니다. 반면 ImageNette는 쉽게 구분할 수 있는 10개의 클래스에 걸쳐 수천 개의 이미지를 포함하고 있어 실제 모델 훈련 및 개발에 더 적합합니다. 이미지넷10은 파이프라인 기능 검증을 위해 설계된 반면, 이미지넷은 의미 있지만 전체 이미지넷보다 빠른 트레이닝 실험에 더 적합합니다.

📅1 년 전 생성됨 ✏️ 11 일 전 업데이트됨

댓글