이미지넷 데이터 세트

이미지넷 데이터 세트는 더 큰 이미지넷 데이터 세트의 하위 집합이지만, 쉽게 구분할 수 있는 10개의 클래스만 포함되어 있습니다. 소프트웨어 개발 및 교육을 위해 더 빠르고 사용하기 쉬운 버전의 Imagenet을 제공하기 위해 만들어졌습니다.

주요 기능

• 이미지넷에는 텐치, English 스프링거, 카세트 플레이어, 체인톱, 교회, 프렌치 호른, 쓰레기 트럭, 주유기, 골프공, 낙하산 등 10가지 클래스의 이미지가 포함되어 있습니다.
• 데이터 세트는 다양한 크기의 컬러 이미지로 구성되어 있습니다.
• ImageNette는 머신러닝 분야, 특히 이미지 분류 작업의 훈련 및 테스트에 널리 사용됩니다.

데이터 세트 구조

ImageNette 데이터 세트는 두 개의 하위 집합으로 나뉩니다:

1. 훈련 세트: 이 하위 집합에는 머신 러닝 모델 학습에 사용되는 수천 개의 이미지가 포함되어 있습니다. 정확한 개수는 클래스마다 다릅니다.
2. 검증 세트: 이 하위 집합은 학습된 모델을 검증하고 벤치마킹하는 데 사용되는 수백 개의 이미지로 구성됩니다. 다시 말하지만, 정확한 개수는 클래스마다 다릅니다.

애플리케이션

ImageNette 데이터 세트는 컨볼루션 신경망(CNN) 및 기타 다양한 머신 러닝 알고리즘과 같은 이미지 분류 작업에서 딥 러닝 모델을 훈련하고 평가하는 데 널리 사용됩니다. 데이터 세트의 간단한 형식과 잘 선택된 클래스는 머신 러닝 및 컴퓨터 비전 분야의 초보자와 숙련된 실무자 모두에게 편리한 리소스입니다.

사용법

표준 이미지 크기 224x224의 100개 시대에 대한 ImageNette 데이터 세트에서 모델을 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=imagenette model=yolov8n-cls.pt epochs=100 imgsz=224

샘플 이미지 및 주석

ImageNette 데이터 세트에는 다양한 물체와 장면의 컬러 이미지가 포함되어 있어 이미지 분류 작업을 위한 다양한 데이터 세트를 제공합니다. 다음은 데이터 세트의 몇 가지 이미지 예시입니다:

이 예는 이미지넷 데이터 세트에 포함된 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 훈련하기 위해서는 다양한 데이터 세트가 중요하다는 점을 강조합니다.

ImageNette160 및 ImageNette320

더 빠른 프로토타이핑과 트레이닝을 위해 ImageNette 데이터 세트는 두 가지 축소된 크기로도 제공됩니다: ImageNette160과 ImageNette320입니다. 이러한 데이터 세트는 전체 ImageNette 데이터 세트와 동일한 클래스 및 구조를 유지하지만 이미지의 크기가 더 작은 크기로 조정됩니다. 따라서 이러한 버전의 데이터 세트는 예비 모델 테스트 또는 컴퓨팅 리소스가 제한되어 있는 경우에 특히 유용합니다.

이러한 데이터 세트를 사용하려면 트레이닝 명령에서 'imagenette'를 'imagenette160' 또는 'imagenette320'으로 바꾸기만 하면 됩니다. 다음 코드 스니펫이 이를 설명합니다:

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=imagenette160 model=yolov8n-cls.pt epochs=100 imgsz=160

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=imagenette320 model=yolov8n-cls.pt epochs=100 imgsz=320

이러한 작은 버전의 데이터 세트는 개발 과정에서 신속한 반복 작업을 가능하게 하는 동시에 가치 있고 사실적인 이미지 분류 작업을 제공합니다.

인용 및 감사

연구 또는 개발 작업에 ImageNette 데이터셋을 사용하는 경우 적절한 인정을 부탁드립니다. ImageNette 데이터 세트에 대한 자세한 내용은 ImageNette 데이터 세트 GitHub 페이지를 참조하세요.

댓글