ImageNette 데이터세트
ImageNette 데이터 세트는 더 큰 ImageNet 데이터 세트의 하위 집합이지만 10개의 쉽게 구별할 수 있는 클래스만 포함합니다. 소프트웨어 개발 및 교육을 위해 더 빠르고 사용하기 쉬운 ImageNet 버전을 제공하기 위해 만들어졌습니다.
주요 기능
- ImageNette는 텐치, 잉글리시 스프링어, 카세트 플레이어, 전기톱, 교회, 프렌치 호른, 쓰레기 트럭, 주유기, 골프공, 낙하산과 같은 10개의 서로 다른 클래스의 이미지를 포함합니다.
- 이 데이터 세트는 다양한 크기의 컬러 이미지로 구성됩니다.
- ImageNette는 머신 러닝 분야, 특히 이미지 분류 작업에서 훈련 및 테스트에 널리 사용됩니다.
데이터 세트 구조
ImageNette 데이터 세트는 두 개의 하위 집합으로 나뉩니다.
- 학습 세트: 이 하위 집합은 머신 러닝 모델 학습에 사용되는 수천 개의 이미지를 포함합니다. 정확한 수는 클래스마다 다릅니다.
- 검증 세트: 이 하위 세트는 훈련된 모델을 검증하고 벤치마킹하는 데 사용되는 수백 장의 이미지로 구성됩니다. 정확한 수는 클래스마다 다릅니다.
응용 분야
ImageNette 데이터 세트는 딥러닝 모델을 이미지 분류 작업에서 훈련하고 평가하는 데 널리 사용됩니다(예: Convolutional Neural Networks(CNN) 및 기타 다양한 머신 러닝 알고리즘). 이 데이터 세트의 간단한 형식과 잘 선택된 클래스는 머신 러닝 및 컴퓨터 비전 분야의 초보자와 숙련된 실무자 모두에게 유용한 리소스입니다.
사용법
224x224의 표준 이미지 크기로 ImageNette 데이터 세트에서 모델을 100 epoch 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 포괄적인 목록은 모델 Training 페이지를 참조하십시오.
훈련 예제
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="imagenette", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenette model=yolo11n-cls.pt epochs=100 imgsz=224
샘플 이미지 및 주석
ImageNette 데이터 세트는 다양한 객체와 장면의 컬러 이미지를 포함하여 이미지 분류 작업을 위한 다양한 데이터 세트를 제공합니다. 다음은 데이터 세트의 이미지 예시입니다.
이 예는 ImageNette 데이터 세트의 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 훈련하기 위한 다양한 데이터 세트의 중요성을 강조합니다.
ImageNette160 및 ImageNette320
더 빠른 프로토타입 제작 및 학습을 위해 ImageNette 데이터 세트는 ImageNette160 및 ImageNette320의 두 가지 축소된 크기로도 제공됩니다. 이러한 데이터 세트는 전체 ImageNette 데이터 세트와 동일한 클래스 및 구조를 유지하지만 이미지는 더 작은 크기로 조정됩니다. 따라서 이러한 버전의 데이터 세트는 예비 모델 테스트 또는 계산 리소스가 제한된 경우에 특히 유용합니다.
이러한 데이터 세트를 사용하려면 학습 명령에서 'imagenette'를 'imagenette160' 또는 'imagenette320'으로 바꾸기만 하면 됩니다. 다음 코드 스니펫은 이를 보여줍니다.
ImageNette160으로 학습 예제
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-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 classify train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160
ImageNette320으로 학습 예제
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-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 classify train data=imagenette320 model=yolo11n-cls.pt epochs=100 imgsz=320
이러한 작은 버전의 데이터 세트는 개발 과정에서 빠른 반복을 가능하게 하면서도 가치 있고 현실적인 이미지 분류 작업을 제공합니다.
인용 및 감사의 말씀
연구 또는 개발 작업에 ImageNette 데이터 세트를 사용하는 경우 적절하게 출처를 밝혀주시기 바랍니다. ImageNette 데이터 세트에 대한 자세한 내용은 ImageNette 데이터 세트 GitHub 페이지를 참조하십시오.
FAQ
ImageNette 데이터 세트는 무엇입니까?
ImageNette 데이터 세트는 텐치, English 스프링거 및 프렌치 호른과 같이 쉽게 구별할 수 있는 10개의 클래스만 있는 더 큰 ImageNet 데이터 세트의 단순화된 하위 세트입니다. 이미지 분류 모델의 효율적인 학습 및 평가를 위해 보다 관리하기 쉬운 데이터 세트를 제공하기 위해 만들어졌습니다. 이 데이터 세트는 머신 러닝 및 컴퓨터 비전에서 빠른 소프트웨어 개발 및 교육 목적으로 특히 유용합니다.
YOLO 모델을 훈련하기 위해 ImageNette 데이터 세트를 어떻게 사용할 수 있습니까?
ImageNette 데이터 세트에서 YOLO 모델을 100 epochs 동안 학습하려면 다음 명령을 사용할 수 있습니다. Ultralytics YOLO 환경이 설정되어 있는지 확인하십시오.
훈련 예제
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="imagenette", epochs=100, imgsz=224)
# Start training from a pretrained *.pt model
yolo classify train data=imagenette model=yolo11n-cls.pt epochs=100 imgsz=224
자세한 내용은 학습 문서 페이지를 참조하세요.
이미지 분류 작업에 ImageNette를 사용해야 하는 이유는 무엇인가요?
ImageNette 데이터 세트는 다음과 같은 여러 가지 이점이 있습니다.
- 빠르고 간단함: 10개의 클래스만 포함되어 있어 더 큰 데이터 세트에 비해 복잡성이 낮고 시간이 덜 소요됩니다.
- 교육용: 더 적은 계산 능력과 시간이 필요하므로 이미지 분류의 기본 사항을 배우고 가르치는 데 이상적입니다.
- 다재다능함: 특히 이미지 분류에서 다양한 머신 러닝 모델을 훈련하고 벤치마킹하는 데 널리 사용됩니다.
모델 학습 및 데이터 세트 관리에 대한 자세한 내용은 데이터 세트 구조 섹션을 살펴보세요.
ImageNette 데이터 세트를 다른 이미지 크기로 사용할 수 있습니까?
예, ImageNette 데이터 세트는 크기가 조정된 두 가지 버전(ImageNette160 및 ImageNette320)으로도 제공됩니다. 이러한 버전은 더 빠른 프로토타입 제작에 도움이 되며, 특히 컴퓨팅 리소스가 제한적일 때 유용합니다.
ImageNette160으로 학습 예제
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt")
# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)
# Start training from a pretrained *.pt model with ImageNette160
yolo classify train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160
자세한 내용은 ImageNette160 및 ImageNette320을 사용한 학습을 참조하십시오.
ImageNette 데이터 세트의 실제 응용 분야는 무엇입니까?
ImageNette 데이터 세트는 다음에 광범위하게 사용됩니다.
- 교육 환경: 머신 러닝 및 컴퓨터 비전 초보자를 교육합니다.
- 소프트웨어 개발: 이미지 분류 모델의 빠른 프로토타입 제작 및 개발용.
- 딥러닝 연구: 다양한 딥러닝 모델, 특히 Convolutional Neural Networks (CNN)의 성능을 평가하고 벤치마킹합니다.
자세한 사용 사례는 응용 분야 섹션을 참조하세요.
