Link to this sectionImageNet10 데이터셋#
Ultralytics ImageNet10 데이터셋(data="imagenet10")은 ImageNet의 처음 10개 클래스에 걸쳐 있는 24개의 이미지로 구성된 아주 작은 하위 집합입니다. 이 데이터셋은 지속적 통합(CI) 테스트, 상태 점검(sanity check), 그리고 학습 파이프라인의 빠른 검증을 위해 구축되었습니다. 전체 데이터셋과 동일한 WordNet-synset 폴더 구조로 정리된 12개의 학습 및 12개의 검증 이미지를 포함하고 있어, ImageNet에서 학습하는 모델이라면 무엇이든 수정 없이 ImageNet10에서 몇 시간 대신 몇 초 만에 학습할 수 있습니다. 이 데이터셋은 파이프라인이 정상적으로 끝까지 실행되는지 확인하기 위한 용도이며, 정확도 벤치마킹을 위한 것이 아닙니다.
Link to this section주요 특징#
- ImageNet10은 ImageNet의 처음 10개 클래스에서 추출한 24개의 이미지(학습용 12개, 검증용 12개)로만 구성되어 있습니다.
- 이 데이터셋은 WordNet 계층 구조에 따라 구성되어 있으며, 전체 ImageNet 데이터셋의 클래스별 synset 폴더를 그대로 반영합니다.
- It is purpose-built for continuous integration tests, sanity checks, and rapid debugging of training pipelines in computer vision tasks.
- 모델 벤치마킹용으로 설계되지는 않았지만, 모델의 기본적인 기능과 정확성을 빠르게 확인할 수 있도록 해줍니다.
Link to this section데이터셋 구조#
ImageNet10은 전체 ImageNet 데이터셋의 처음 10개 클래스(n01440764 tench부터 n01518878 ostrich까지)를 사용하는 사전 정의된 분할을 제공합니다.
| Split | 이미지 | 클래스 |
|---|---|---|
| 학습(Train) | 12 | 10 |
| 검증 | 12 | 10 |
10개의 각 클래스는 WordNet synset(유의어 집합)이며, 이미지는 synset ID로 명명된 클래스별 폴더에 저장됩니다. 이는 Ultralytics 분류 학습이 기대하는 정확한 레이아웃입니다. 따라서 ImageNet10은 모델이 예상된 폴더 형식을 인식하는지 테스트할 때 전체 데이터셋을 대신할 수 있는 간결하고 구조적으로 신뢰할 수 있는 데이터셋입니다.
Ultralytics Platform의 ImageNet10에서 이미지를 클래스별로 탐색하고, 차트(Charts) 탭에서 클래스 분포를 확인하며, 클라우드에서 나만의 모델을 학습시키기 위해 복제해 보시기 바랍니다.
Link to this section응용 분야#
ImageNet10 데이터셋은 컴퓨터 비전 모델 및 파이프라인을 빠르게 테스트하고 디버깅하는 데 유용합니다. 작은 크기 덕분에 빠른 반복이 가능하여 지속적 통합 테스트 및 상태 점검에 이상적입니다. 또한 전체 ImageNet 데이터셋을 사용한 대규모 실행을 하기 전, 새로운 모델이나 코드 변경 사항에 대한 빠른 예비 테스트를 수행하는 데에도 편리합니다.
Link to this section사용법#
224x224 이미지 크기에서 ImageNet10 데이터셋으로 분류 모델을 테스트하려면 아래 코드 스니펫을 사용하십시오. 사용 가능한 전체 인자 목록은 모델 학습(Training) 페이지를 참조하십시오.
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="imagenet10", epochs=5, imgsz=224)Link to this section샘플 이미지 및 주석#
ImageNet10 데이터셋은 원본 ImageNet 데이터셋 이미지의 하위 집합을 포함하고 있으며, 처음 10개 클래스를 대표하고 빠른 테스트와 평가를 위한 다양하고 간결한 리소스를 제공하도록 선택되었습니다.
이 예제는 ImageNet10 데이터셋에 포함된 이미지의 다양성과 복잡성을 보여주며, 컴퓨터 비전 모델의 상태 점검 및 빠른 테스트에 있어서의 유용성을 강조합니다.
Link to this section인용 및 감사의 글#
연구 또는 개발 작업에 ImageNet10 데이터셋을 사용하는 경우, 원본 ImageNet 논문을 인용해 주십시오:
@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 데이터셋을 구축하고 유지 관리해 주신 Olga Russakovsky, Jia Deng, Li Fei-Fei가 이끄는 ImageNet 팀에 감사를 표합니다. Ultralytics에서 만든 ImageNet10 하위 집합은 머신 러닝 및 컴퓨터 비전 연구 커뮤니티에서 빠른 테스트 및 디버깅을 위한 가치 있는 자원입니다. ImageNet 데이터셋과 그 제작자에 대한 자세한 내용은 ImageNet 웹사이트를 방문하십시오.
Link to this sectionFAQ#
Link to this sectionImageNet10 데이터셋이란 무엇이며 전체 ImageNet 데이터셋과는 어떻게 다른가요?#
ImageNet10 데이터셋은 Ultralytics가 빠른 CI 테스트, 상태 점검 및 학습 파이프라인 평가를 위해 만든 ImageNet 데이터베이스의 압축된 하위 집합입니다. 여기에는 ImageNet의 처음 10개 클래스에서 추출한 24개의 이미지(학습용 12개, 검증용 12개)가 포함되어 있습니다. 작은 크기에도 불구하고 전체 데이터셋의 WordNet 폴더 구조를 유지하므로, 파이프라인 테스트에는 이상적이지만 모델 정확도 벤치마킹에는 적합하지 않습니다.
Link to this sectionImageNet10에는 몇 개의 이미지와 클래스가 포함되어 있나요?#
ImageNet10은 총 24개의 이미지(학습용 12개, 검증용 12개)를 포함하고 있으며, ImageNet의 처음 10개 클래스에 걸쳐 있습니다. 각 클래스는 자체 폴더에 저장된 WordNet synset이므로, 전체 ImageNet 데이터셋의 레이아웃을 작은 크기로 반영하고 있습니다.
Link to this sectionImageNet10 데이터셋을 사용하여 딥러닝 모델을 테스트하려면 어떻게 해야 하나요?#
224x224 이미지 크기에서 ImageNet10으로 분류 모델을 테스트하려면 다음 코드 스니펫을 사용하십시오.
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="imagenet10", epochs=5, imgsz=224)사용 가능한 인수의 전체 목록은 Training 페이지를 참조하십시오.
Link to this sectionCI 테스트와 상태 점검에 ImageNet10 데이터셋을 사용해야 하는 이유는 무엇인가요?#
ImageNet10은 딥러닝 파이프라인의 CI 테스트, 상태 점검 및 빠른 평가를 위해 특별히 설계되었습니다. 24개 이미지 규모는 거의 즉각적인 반복을 가능하게 하여 속도가 중요한 지속적 통합에 이상적입니다. 전체 ImageNet 데이터셋의 폴더 구조를 그대로 보존함으로써 대규모 데이터셋 처리의 오버헤드 없이 모델의 기본 기능과 정확성을 확실하게 검증할 수 있습니다.
Link to this sectionImageNet10은 ImageNette와 같은 다른 소규모 데이터셋과 비교했을 때 어떤가요?#
ImageNet10과 ImageNette 모두 ImageNet의 하위 집합이지만 목적이 다릅니다. ImageNet10은 처음 10개 클래스에서 추출한 24개의 이미지로 구성되어 있어 CI 테스트 및 빠른 상태 점검을 위해 매우 가볍습니다. 반면 ImageNette는 10개의 구별하기 쉬운 클래스에 걸쳐 13,000개 이상의 이미지를 포함하고 있어 실제 모델 학습 및 개발에 적합합니다. ImageNet10은 파이프라인 기능을 검증하는 데 사용되며, ImageNette는 전체 ImageNet보다 빠르면서도 의미 있는 학습 실험을 수행하는 데 더 좋습니다.