Link to this sectionImageWoof 데이터셋#
ImageWoof 데이터셋은 ImageNet의 하위 집합으로, fast.ai에서 이미지 분류 알고리즘에 더 어려운 과제를 제공하기 위해 의도적으로 구분이 어려운 10가지 견종 클래스로 구성하였습니다. 이 데이터셋은 총 12,954개의 컬러 이미지(학습용 9,025개, 검증용 3,929개)를 포함하며 비글(Beagle), 시츄(Shih-Tzu), 골든 리트리버(Golden retriever)와 같은 견종을 포함하여, 모델이 명확한 객체 카테고리보다는 미세하고 정교한 차이를 구분하도록 유도합니다.
Link to this section주요 특징#
- ImageWoof는 Australian terrier, Border terrier, Samoyed, Beagle, Shih-Tzu, English foxhound, Rhodesian ridgeback, Dingo, Golden retriever, Old English sheepdog 등 10가지 견종의 이미지 12,954개를 포함합니다.
- 이 데이터셋은 9,025개의 학습 이미지와 3,929개의 검증 이미지로 사전 정의된 분할을 제공하며, 다양한 컴퓨팅 리소스에 맞춰 여러 해상도(전체 크기, 320px, 160px)로 사용할 수 있습니다.
- 또한 레이블이 항상 정확하지 않은 보다 현실적인 시나리오를 제공하기 위해 노이즈가 있는 레이블이 포함된 버전도 제공합니다.
Link to this section데이터셋 구조#
ImageWoof는 각 견종이 별도의 폴더에 저장된 사전 정의된 학습/검증 분할 세트를 제공합니다:
| Split | 이미지 | 클래스 |
|---|---|---|
| 학습(Train) | 9,025 | 10 |
| 검증 | 3,929 | 10 |
10가지 클래스가 모두 견종이기 때문에, 이 분할 세트는 전체 ImageNet 데이터셋과 같은 광범위한 객체 인식보다는 시각적으로 유사한 범주를 구별하는 미세 분류(fine-grained classification)를 테스트하도록 설계되었습니다.
Link to this section응용 분야#
ImageWoof 데이터셋은 더 복잡하고 유사한 클래스에 대해 딥러닝 모델을 학습하고 평가하는 데 널리 사용됩니다. 이 데이터셋의 도전 과제는 견종 간의 미묘한 차이에 있으며, 이는 모델 성능과 일반화의 한계를 시험합니다. 특히 다음 용도로 유용합니다:
- 미세 분류 범주에 대한 분류 성능 벤치마킹
- 유사하게 보이는 클래스에 대한 모델 견고성 테스트
- 미묘한 시각적 차이를 구별할 수 있는 알고리즘 개발
- 일반 도메인에서 특정 도메인으로의 전이 학습 평가
Link to this section사용법#
ImageWoof 데이터셋에서 224x224 이미지 크기로 100 에포크 동안 분류 모델을 학습하려면 아래 코드 스니펫을 사용하십시오. 사용 가능한 인수의 전체 목록은 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="imagewoof", epochs=100, imgsz=224)Link to this section데이터셋 변형#
ImageWoof는 다양한 연구 요구 사항과 컴퓨팅 리소스에 대응하기 위해 세 가지 크기로 제공됩니다:
- 전체 크기(
imagewoof): 원본 버전으로, 최종 학습 및 성능 벤치마킹에 이상적입니다. - 중간 크기(
imagewoof320): 최대 가장자리 길이가 320픽셀로 조정된 이미지로, 모델 성능을 크게 저하시키지 않으면서 빠른 학습에 적합합니다. - 작은 크기(
imagewoof160): 최대 가장자리 길이가 160픽셀로 조정된 이미지로, 학습 속도가 우선시되는 신속한 프로토타이핑 및 실험용으로 설계되었습니다.
이 변형을 사용하려면 데이터셋 인수의 imagewoof를 imagewoof320 또는 imagewoof160으로 바꾸기만 하면 됩니다. 예를 들어:
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-cls.pt") # load a pretrained model (recommended for training)
# For medium-sized dataset
model.train(data="imagewoof320", epochs=100, imgsz=224)
# For small-sized dataset
model.train(data="imagewoof160", epochs=100, imgsz=224)더 작은 이미지는 분류 정확도를 낮출 수 있지만, 모델 개발 초기 단계에서 빠르게 반복하기에 매우 좋습니다. 또한 Ultralytics Platform을 통해 클라우드에서 분류 데이터셋을 관리하고 학습을 실행할 수 있습니다.
Link to this section샘플 이미지 및 주석#
ImageWoof 데이터셋은 다양한 견종의 다채로운 이미지를 포함하고 있어 이미지 분류 작업에 도전적인 데이터셋을 제공합니다. 다음은 데이터셋 이미지의 몇 가지 예입니다:
이 예시는 다양한 견종 간의 미묘한 차이와 유사성을 보여주며, 분류 작업의 복잡성과 난이도를 강조합니다.
Link to this section인용 및 감사의 글#
연구 또는 개발 작업에 ImageWoof 데이터셋을 사용하는 경우 공식 데이터셋 저장소에 링크를 걸어 데이터셋 제작자를 언급해 주십시오.
We would like to acknowledge the fast.ai team for creating and maintaining ImageWoof as a valuable resource for the machine learning and computer vision research community. For more information about ImageWoof, visit the ImageWoof dataset repository.
Link to this sectionFAQ#
Link to this sectionUltralytics에서 ImageWoof 데이터셋이란 무엇입니까?#
ImageWoof 데이터셋은 10가지 견종에 중점을 둔 ImageNet의 까다로운 하위 집합으로, 12,954개의 이미지(학습용 9,025개, 검증용 3,929개)를 포함합니다. fast.ai에서 이미지 분류 모델의 한계를 시험하기 위해 만들었으며, Beagle, Shih-Tzu, Golden retriever와 같은 품종이 포함되어 있습니다. 데이터셋은 다양한 해상도(전체 크기, 320px, 160px)로 제공되며, 더 현실적인 학습 시나리오를 위해 노이즈가 있는 레이블도 포함하고 있어 고급 딥러닝 모델 개발에 이상적입니다.
Link to this sectionImageWoof에는 얼마나 많은 이미지와 견종이 있습니까?#
ImageWoof는 총 12,954개의 이미지를 포함하며(학습용 9,025개, 검증용 3,929개), Australian terrier, Border terrier, Samoyed, Beagle, Shih-Tzu, English foxhound, Rhodesian ridgeback, Dingo, Golden retriever, Old English sheepdog 등 10가지 견종을 다룹니다. 각 품종은 Ultralytics가 기대하는 표준 분류 레이아웃에 따라 자체 폴더에 저장되어 있습니다.
Link to this sectionUltralytics YOLO를 사용하여 ImageWoof 데이터셋으로 모델을 어떻게 학습합니까?#
Ultralytics YOLO를 사용하여 ImageWoof 데이터셋으로 224x224 이미지 크기에서 100 에포크 동안 분류 모델을 학습하려면 다음 코드를 사용하십시오:
from ultralytics import YOLO
model = YOLO("yolo26n-cls.pt") # Load a pretrained model
results = model.train(data="imagewoof", epochs=100, imgsz=224)사용 가능한 학습 인수에 대한 자세한 내용은 학습 페이지를 참조하십시오.
Link to this section어떤 버전의 ImageWoof 데이터셋을 사용할 수 있습니까?#
ImageWoof 데이터셋은 세 가지 크기로 제공됩니다:
- 전체 크기(
imagewoof): 전체 크기 이미지가 포함되어 있어 최종 학습 및 벤치마킹에 이상적입니다. - 중간 크기(
imagewoof320): 최대 가장자리 길이가 320픽셀로 조정된 이미지로, 더 빠른 학습에 적합합니다. - 작은 크기(
imagewoof160): 최대 가장자리 길이가 160픽셀로 조정된 이미지로, 신속한 프로토타이핑에 완벽합니다.
데이터셋 인수의 imagewoof를 적절히 변경하여 이 버전들을 사용하십시오. 더 작은 이미지는 분류 정확도를 낮출 수 있지만 더 빠른 반복을 위해 유용합니다.
Link to this sectionImageWoof 데이터셋의 노이즈 레이블은 학습에 어떤 이점을 줍니까?#
ImageWoof 데이터셋의 노이즈 레이블은 레이블이 항상 정확하지 않은 실제 조건을 시뮬레이션합니다. 이 데이터로 모델을 학습하면 이미지 분류 작업에서 견고성과 일반화 능력을 키울 수 있습니다. 이는 실제 응용 프로그램에서 자주 발생하는 모호하거나 잘못 레이블링된 데이터를 효과적으로 처리하도록 모델을 준비시킵니다.
Link to this sectionImageWoof 데이터셋 사용의 주요 과제는 무엇입니까?#
ImageWoof의 주요 과제는 포함된 견종 간의 미묘한 차이에 있습니다. 밀접하게 관련된 10가지 품종에 집중하기 때문에 이를 구별하려면 더 발전되고 정밀하게 조정된 이미지 분류 모델이 필요합니다. 따라서 ImageWoof는 딥러닝 모델의 기능과 개선 사항을 테스트하는 훌륭한 벤치마크가 됩니다.