ImageNette 데이터셋

ImageNette 데이터셋은 더 큰 ImageNet 데이터셋의 하위 집합이지만, 쉽게 구분할 수 있는 10개의 클래스만 포함하고 있습니다. 이 데이터셋은 소프트웨어 개발 및 교육을 위해 ImageNet의 더 빠르고 사용하기 쉬운 버전을 제공하고자 만들어졌습니다.

주요 특징

ImageNette에는 텐치(tench), 잉글리시 스프링어(English springer), 카세트 플레이어, 전기톱, 교회, 프렌치 호른, 쓰레기 트럭, 주유 펌프, 골프공, 낙하산과 같은 10가지 다른 클래스의 이미지가 포함되어 있습니다.
이 데이터셋은 다양한 크기의 컬러 이미지로 구성되어 있습니다.
ImageNette은 머신 러닝 분야, 특히 이미지 분류 작업을 위한 학습 및 테스트에 널리 사용됩니다.

데이터셋 구조

ImageNette 데이터셋은 두 개의 하위 집합으로 나뉩니다:

학습 세트(Training Set): 이 하위 집합에는 머신 러닝 모델 학습에 사용되는 수천 개의 이미지가 포함되어 있습니다. 클래스당 이미지 개수는 각각 다릅니다.
검증 세트(Validation Set): 이 하위 집합은 학습된 모델을 검증하고 벤치마킹하는 데 사용되는 수백 개의 이미지로 구성됩니다. 마찬가지로 클래스당 이미지 개수는 각각 다릅니다.

응용 분야

ImageNette 데이터셋은 이미지 분류 작업에서 딥러닝 모델(예: 합성곱 신경망(CNN)) 및 기타 다양한 머신 러닝 알고리즘을 학습하고 평가하는 데 널리 사용됩니다. 데이터셋의 직관적인 형식과 잘 선정된 클래스 덕분에 머신 러닝 및 컴퓨터 비전 분야의 초심자와 숙련된 실무자 모두에게 유용한 자원입니다.

사용법

표준 이미지 크기인 224x224로 100 에포크(epoch) 동안 ImageNette 데이터셋에서 모델을 학습시키려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수에 대한 전체 목록은 모델 학습(Training) 페이지를 참조하십시오.

학습 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)

샘플 이미지 및 주석

ImageNette 데이터셋은 다양한 사물과 장면이 담긴 컬러 이미지를 포함하고 있어 이미지 분류 작업에 적합한 다양성을 제공합니다. 다음은 이 데이터셋에 포함된 이미지의 몇 가지 예시입니다:

ImageNette 분류 데이터셋 샘플 이미지

이 예시는 ImageNette 데이터셋 이미지의 다양성과 복잡성을 잘 보여주며, 강력한 이미지 분류 모델을 학습시키는 데 있어 다양한 데이터셋이 중요하다는 점을 강조합니다.

ImageNette160 및 ImageNette320

더 빠른 프로토타이핑과 학습을 위해 ImageNette 데이터셋은 ImageNette160 및 ImageNette320이라는 두 가지 축소된 크기로도 제공됩니다. 이러한 데이터셋은 전체 ImageNette 데이터셋과 동일한 클래스와 구조를 유지하지만, 이미지가 더 작은 크기로 조정되었습니다. 따라서 이러한 버전의 데이터셋은 초기 모델 테스트를 수행하거나 컴퓨팅 자원이 제한적인 경우 특히 유용합니다.

이 데이터셋을 사용하려면 학습 명령에서 'imagenette'를 'imagenette160' 또는 'imagenette320'으로 바꾸기만 하면 됩니다. 다음 코드 조각은 이를 설명합니다:

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)

이러한 더 작은 버전의 데이터셋을 사용하면 개발 과정에서 반복 속도를 높이면서도 여전히 가치 있고 실제와 유사한 이미지 분류 작업을 수행할 수 있습니다.

인용 및 감사의 글

연구나 개발 작업에서 ImageNette 데이터셋을 사용하는 경우 적절하게 출처를 밝혀주십시오. ImageNette 데이터셋에 대한 자세한 내용은 ImageNette 데이터셋 GitHub 페이지를 방문하십시오.

FAQ