Link to this sectionImageNette 데이터셋#

Name: ImageNette 이미지 분류 데이터셋
Creator: fast.ai
License: https://www.image-net.org/download.php
Keywords: ImageNette 데이터셋, ImageNet 하위 집합, 이미지 분류, 머신 러닝, 딥러닝, YOLO, 합성곱 신경망, ML 데이터셋, 교육, 학습

ImageNette 데이터셋은 ImageNet의 하위 집합으로, 소프트웨어 개발 및 교육을 위해 ImageNet을 더 빠르고 사용하기 쉽게 만들고자 fast.ai에서 10개의 쉽게 구분되는 클래스로 구성했습니다. 이 데이터셋은 텐치(tench), 잉글리시 스프링어(English springer), 카세트 플레이어, 프렌치 호른과 같은 클래스를 포함하여 총 13,394장의 컬러 이미지(학습용 9,469장, 검증용 3,925장)로 구성되어 있으며, 이를 통해 이미지 분류 모델을 전체 1,000개 클래스의 ImageNet 학습에 소요되는 몇 시간이 아닌 몇 분 만에 학습시킬 수 있습니다.

Link to this section주요 특징#

ImageNette는 텐치, 잉글리시 스프링어, 카세트 플레이어, 전기톱, 교회, 프렌치 호른, 쓰레기 수거차, 주유 펌프, 골프공, 낙하산 등 10개 클래스에 걸쳐 총 13,394장의 이미지를 포함합니다.
이 데이터셋은 9,469장의 학습 이미지와 3,925장의 검증 컬러 이미지(다양한 크기)로 미리 정의된 분할을 제공합니다.
10개의 잘 구분되는 클래스 덕분에 ImageNette는 모델 학습이 빠르고 이해하기 쉬워 이미지 분류 프로토타이핑 및 교육용으로 널리 사용됩니다.

Link to this section데이터셋 구조#

ImageNette는 사전에 정의된 학습/검증 데이터 분할을 제공하며, 각 클래스는 자체 폴더에 저장되어 있습니다:

Split	이미지	클래스
학습(Train)	9,469	10
검증	3,925	10

이미지 수는 클래스마다 다르며, 전체 ImageNet 데이터셋의 규모 없이도 빠른 학습 및 벤치마킹을 위한 현실적인 분포를 제공합니다.

Link to this section응용 분야#

ImageNette 데이터셋은 이미지 분류 작업에서 deep learning 모델, 예컨대 Convolutional Neural Networks (CNN) 및 기타 머신러닝 알고리즘을 훈련하고 평가하는 데 널리 사용됩니다. 직관적인 형식과 잘 선정된 클래스 덕분에 machine learning 및 computer vision 분야의 입문자와 숙련된 실무자 모두에게 유용한 자원입니다.

Link to this section사용법#

표준 이미지 크기인 224x224로 ImageNette 데이터셋에서 100 에포크 동안 모델을 학습시키려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 자세한 내용은 모델 학습 페이지를 참조하십시오.

훈련 예제

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="imagenette", epochs=100, imgsz=224)

Link to this section샘플 이미지 및 주석#

ImageNette 데이터셋에는 다양한 사물과 장면의 컬러 이미지가 포함되어 있어 이미지 분류 작업을 위한 다양한 데이터를 제공합니다. 다음은 데이터셋의 몇 가지 예시 이미지입니다:

ImageNette 분류 데이터셋 샘플 이미지

이 예시는 ImageNette 데이터셋에 포함된 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 학습하기 위한 데이터셋 다양성의 중요성을 강조합니다.

Link to this sectionImageNette160 및 ImageNette320#

더 빠른 프로토타이핑과 학습을 위해 ImageNette는 ImageNette160과 ImageNette320이라는 두 가지 축소 버전으로도 제공됩니다. 이 데이터셋들은 전체 ImageNette와 동일한 클래스와 구조를 유지하지만, 이미지의 최대 가장자리 길이가 더 작게 조정되었습니다. 이는 예비 모델 테스트를 수행하거나 컴퓨팅 자원이 제한적인 경우 특히 유용합니다.

이 데이터셋들을 사용하려면 학습 명령에서 imagenette를 imagenette160 또는 imagenette320으로 바꾸기만 하면 됩니다. 다음 코드 스니펫은 이를 보여줍니다:

ImageNette160을 사용한 학습 예시

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

ImageNette320을 사용한 학습 예시

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette320
results = model.train(data="imagenette320", epochs=100, imgsz=320)

이 데이터셋의 작은 버전들은 개발 과정에서 빠른 반복 학습을 가능하게 하면서도 실제와 유사한 이미지 분류 작업을 제공합니다. 또한 Ultralytics Platform을 통해 클라우드에서 분류 데이터셋을 관리하고 학습을 실행할 수 있습니다.

Link to this section인용 및 감사의 글#

연구 또는 개발 작업에 ImageNette 데이터셋을 사용하는 경우 적절하게 출처를 밝혀 주시기 바랍니다. ImageNette에 대한 자세한 내용은 ImageNette 데이터셋 GitHub 페이지를 방문하십시오.

We would like to acknowledge the fast.ai team for creating and maintaining ImageNette as a valuable resource for the machine learning and computer vision research community.

Link to this sectionFAQ#

Link to this sectionImageNette 데이터셋이란 무엇입니까?#

ImageNette 데이터셋은 텐치, 잉글리시 스프링어, 프렌치 호른과 같은 10개의 쉽게 구분되는 클래스로 구성된 ImageNet의 간소화된 하위 집합입니다. 이 데이터셋은 13,394장의 이미지(학습용 9,469장, 검증용 3,925장)를 포함하며, 이미지 분류 모델의 효율적인 학습 및 평가를 위해 fast.ai가 더 관리하기 쉬운 데이터셋으로 만들었습니다. 덕분에 머신러닝 및 컴퓨터 비전 분야의 빠른 소프트웨어 개발과 교육 목적에 특히 유용합니다.

Link to this sectionImageNette에는 몇 개의 이미지와 클래스가 있습니까?#

ImageNette는 텐치, 잉글리시 스프링어, 카세트 플레이어, 전기톱, 교회, 프렌치 호른, 쓰레기 수거차, 주유 펌프, 골프공, 낙하산 등 10개 클래스에 걸쳐 총 13,394장의 이미지(학습용 9,469장, 검증용 3,925장)를 포함합니다. 각 클래스는 Ultralytics에서 사용하는 표준 분류 레이아웃에 따라 자체 폴더에 저장됩니다.

Link to this sectionImageNette 데이터셋을 사용하여 YOLO 모델을 학습시키려면 어떻게 해야 합니까?#

ImageNette에서 100 에포크 동안 YOLO 모델을 학습시키려면 다음 명령을 사용하십시오. Ultralytics YOLO 환경이 설정되어 있는지 확인하십시오.

훈련 예제

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="imagenette", epochs=100, imgsz=224)

자세한 내용은 학습 문서 페이지를 참조하십시오.

Link to this section이미지 분류 작업에 ImageNette를 사용해야 하는 이유는 무엇입니까?#

ImageNette 데이터셋은 다음과 같은 이유로 유리합니다:

빠르고 간편함: 단 10개의 클래스와 약 13,000장의 이미지만 포함되어 있어 전체 ImageNet보다 학습이 훨씬 덜 복잡하고 시간이 적게 소요됩니다.
교육적 활용: 더 적은 컴퓨팅 파워와 시간이 소요되므로 이미지 분류의 기초를 배우고 가르치는 데 이상적입니다.
다재다능함: 이미지 분류 모델, 특히 합성곱 신경망(CNN)을 학습하고 벤치마킹하는 데 널리 사용됩니다.

모델 학습 및 데이터셋 관리에 대한 자세한 내용은 데이터셋 구조 섹션을 살펴보십시오.

Link to this sectionImageNette 데이터셋을 다른 이미지 크기로 사용할 수 있습니까?#

네, ImageNette는 이미지의 최대 가장자리 길이를 줄인 ImageNette160 및 ImageNette320 두 가지 조정 버전으로도 제공됩니다. 이 버전들은 빠른 프로토타이핑에 도움이 되며 특히 컴퓨팅 자원이 제한적인 경우 유용합니다.