ImageNette 데이터셋#
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.
주요 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.
데이터셋 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.
응용 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.
사용법#
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.
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 데이터셋에는 다양한 사물과 장면의 컬러 이미지가 포함되어 있어 이미지 분류 작업을 위한 다양한 데이터를 제공합니다. 다음은 데이터셋의 몇 가지 예시 이미지입니다:
이 예시는 ImageNette 데이터셋에 포함된 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 학습하기 위한 데이터셋 다양성의 중요성을 강조합니다.
ImageNette160 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:
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)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.
인용 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.
fast.ai 팀이 machine learning 및 computer vision 연구 커뮤니티를 위한 유용한 리소스인 ImageNette를 만들고 유지 관리해 준 것에 대해 감사를 표합니다.
FAQ#
ImageNette 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.
ImageNette에는 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.
ImageNette 데이터셋을 사용하여 YOLO 모델을 학습시키려면 어떻게 해야 합니까?#
ImageNette에서 100 에포크 동안 YOLO 모델을 학습시키려면 다음 명령을 사용하십시오. Ultralytics YOLO 환경이 설정되어 있는지 확인하십시오.
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.
이미지 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.
ImageNette 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.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-cls.pt")
# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)자세한 내용은 ImageNette160 및 ImageNette320으로 학습하기를 참조하십시오.
ImageNette 데이터셋의 실용적인 응용 분야는 무엇입니까?#
ImageNette 데이터셋은 다음과 같은 분야에서 광범위하게 사용됩니다:
- 교육 환경: 초보자에게 머신러닝 및 컴퓨터 비전의 기초를 가르칠 때 사용합니다.
- 소프트웨어 개발: 이미지 분류 모델의 신속한 프로토타이핑 및 개발에 사용합니다.
- 딥러닝 연구: 다양한 딥러닝 모델, 특히 합성곱 신경망(CNN)의 성능을 평가하고 벤치마킹하는 데 사용합니다.
상세한 활용 사례는 응용 분야 섹션을 탐색하십시오.