Salta para o conte√ļdo

Conjunto de dados ImageNette

O conjunto de dados ImageNette é um subconjunto do conjunto de dados Imagenet mais vasto, mas inclui apenas 10 classes facilmente distinguíveis. Foi criado para fornecer uma versão mais rápida e fácil de utilizar do Imagenet para desenvolvimento de software e educação.

Características principais

  • ImageNette cont√©m imagens de 10 classes diferentes, como tench, English springer, leitor de cassetes, motosserra, igreja, corneta francesa, cami√£o do lixo, bomba de gasolina, bola de golfe, para-quedas.
  • O conjunto de dados inclui imagens coloridas de dimens√Ķes variadas.
  • O ImageNette √© amplamente utilizado para treino e teste no dom√≠nio da aprendizagem autom√°tica, especialmente para tarefas de classifica√ß√£o de imagens.

Estrutura do conjunto de dados

O conjunto de dados ImageNette est√° dividido em dois subconjuntos:

  1. Conjunto de treino: Este subconjunto cont√©m v√°rios milhares de imagens utilizadas para treinar modelos de aprendizagem autom√°tica. O n√ļmero exato varia consoante a classe.
  2. Conjunto de valida√ß√£o: Este subconjunto √© constitu√≠do por v√°rias centenas de imagens utilizadas para validar e aferir os modelos treinados. Mais uma vez, o n√ļmero exato varia consoante a classe.

Aplica√ß√Ķes

O conjunto de dados ImageNette √© amplamente utilizado para treinar e avaliar modelos de aprendizagem profunda em tarefas de classifica√ß√£o de imagens, como Redes Neurais Convolucionais (CNNs) e v√°rios outros algoritmos de aprendizagem autom√°tica. O formato simples do conjunto de dados e as classes bem escolhidas fazem dele um recurso √ļtil tanto para iniciantes como para profissionais experientes no dom√≠nio da aprendizagem autom√°tica e da vis√£o computacional.

Utilização

Para treinar um modelo no conjunto de dados ImageNette para 100 épocas com um tamanho de imagem padrão de 224x224, podes utilizar os seguintes snippets de código. Para obter uma lista completa dos argumentos disponíveis, consulta a página Treino do modelo.

Exemplo de comboio

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

Exemplos de imagens e anota√ß√Ķes

O conjunto de dados ImageNette contém imagens coloridas de vários objectos e cenas, proporcionando um conjunto de dados diversificado para tarefas de classificação de imagens. Aqui estão alguns exemplos de imagens do conjunto de dados:

Imagem de amostra do conjunto de dados

O exemplo mostra a variedade e complexidade das imagens no conjunto de dados ImageNette, real√ßando a import√Ęncia de um conjunto de dados diversificado para treinar modelos de classifica√ß√£o de imagens robustos.

ImageNette160 e ImageNette320

Para uma prototipagem e forma√ß√£o mais r√°pidas, o conjunto de dados ImageNette tamb√©m est√° dispon√≠vel em dois tamanhos reduzidos: ImageNette160 e ImageNette320. Estes conjuntos de dados mant√™m as mesmas classes e estrutura que o conjunto de dados ImageNette completo, mas as imagens s√£o redimensionadas para uma dimens√£o mais pequena. Como tal, estas vers√Ķes do conjunto de dados s√£o particularmente √ļteis para testes preliminares de modelos ou quando os recursos computacionais s√£o limitados.

Para utilizar estes conjuntos de dados, basta substituir 'imagenette' por 'imagenette160' ou 'imagenette320' no comando de treino. Os seguintes fragmentos de código ilustram esta situação:

Exemplo de treino com ImageNette160

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

Exemplo de comboio com ImageNette320

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

Estas vers√Ķes mais pequenas do conjunto de dados permitem itera√ß√Ķes r√°pidas durante o processo de desenvolvimento, continuando a fornecer tarefas de classifica√ß√£o de imagens valiosas e realistas.

Cita√ß√Ķes e agradecimentos

Se utilizares o conjunto de dados ImageNette no teu trabalho de investiga√ß√£o ou desenvolvimento, agradecemos que o reconhe√ßas adequadamente. Para mais informa√ß√Ķes sobre o conjunto de dados ImageNette, visita a p√°gina do conjunto de dados ImageNette no GitHub.



Criado em 2023-11-12, Atualizado em 2024-01-12
Autores: glenn-jocher (3)

Coment√°rios