Набор данных ImageNette
Набор данных ImageNette является подмножеством более крупного набора данных ImageNet, но включает в себя только 10 легко различимых классов. Он был создан для предоставления более быстрой и простой в использовании версии ImageNet для разработки программного обеспечения и обучения.
Основные характеристики
- ImageNette содержит изображения из 10 различных классов, таких как линь, английский спрингер, кассетный магнитофон, бензопила, церковь, валторна, мусоровоз, бензоколонка, мяч для гольфа, парашют.
- Набор данных состоит из цветных изображений различных размеров.
- ImageNette широко используется для обучения и тестирования в области машинного обучения, особенно для задач классификации изображений.
Структура набора данных
Набор данных ImageNette разделен на два подмножества:
- Обучающая выборка: Это подмножество содержит несколько тысяч изображений, используемых для обучения моделей машинного обучения. Точное количество варьируется в зависимости от класса.
- Валидационная выборка: Это подмножество состоит из нескольких сотен изображений, используемых для проверки и тестирования обученных моделей. Опять же, точное количество варьируется в зависимости от класса.
Приложения
Набор данных ImageNette широко используется для обучения и оценки моделей глубинного обучения в задачах классификации изображений, таких как сверточные нейронные сети (CNN), и различных других алгоритмов машинного обучения. Простой формат набора данных и хорошо подобранные классы делают его удобным ресурсом как для начинающих, так и для опытных практиков в области машинного обучения и компьютерного зрения.
Использование
Чтобы обучить модель на наборе данных ImageNette в течение 100 эпох со стандартным размером изображения 224x224, ты можешь использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице модели Обучение.
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)Примеры изображений и аннотаций
Набор данных ImageNette содержит цветные изображения различных объектов и сцен, обеспечивая разнообразный набор данных для задач классификации изображений. Вот несколько примеров изображений из набора данных:
Пример демонстрирует разнообразие и сложность изображений в наборе данных ImageNette, подчеркивая важность разнообразного набора данных для обучения надежных моделей классификации изображений.
ImageNette160 и ImageNette320
Для более быстрого прототипирования и обучения набор данных ImageNette также доступен в двух уменьшенных размерах: ImageNette160 и ImageNette320. Эти наборы данных сохраняют те же классы и структуру, что и полный набор данных ImageNette, но изображения изменены до меньшего размера. Таким образом, эти версии набора данных особенно полезны для предварительного тестирования моделей или в случаях, когда вычислительные ресурсы ограничены.
Чтобы использовать эти наборы данных, просто замени 'imagenette' на 'imagenette160' или 'imagenette320' в команде обучения. Следующие фрагменты кода иллюстрируют это:
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)Эти уменьшенные версии набора данных позволяют быстро выполнять итерации в процессе разработки, обеспечивая при этом ценные и реалистичные задачи классификации изображений.
Цитирование и благодарности
Если ты используешь набор данных ImageNette в своей исследовательской работе или разработке, пожалуйста, укажи его соответствующим образом. Для получения дополнительной информации о наборе данных ImageNette посети GitHub-страницу набора данных ImageNette.
Часто задаваемые вопросы (FAQ)
Что такое набор данных ImageNette?
Набор данных ImageNette — это упрощенное подмножество более крупного набора данных ImageNet, содержащее всего 10 легко различимых классов, таких как линь, английский спрингер и валторна. Он был создан, чтобы предложить более управляемый набор данных для эффективного обучения и оценки моделей классификации изображений. Этот набор данных особенно полезен для быстрой разработки программного обеспечения и образовательных целей в области машинного обучения и компьютерного зрения.
Как я могу использовать набор данных ImageNette для обучения модели YOLO?
Чтобы обучить модель YOLO на наборе данных ImageNette в течение 100 эпох, ты можешь использовать следующие команды. Убедись, что среда Ultralytics YOLO настроена.
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)Для получения более подробной информации см. страницу документации Обучение.
Почему мне следует использовать ImageNette для задач классификации изображений?
Набор данных ImageNette выгоден по нескольким причинам:
- Быстро и просто: Он содержит всего 10 классов, что делает его менее сложным и менее затратным по времени по сравнению с более крупными наборами данных.
- Образовательное использование: Идеально подходит для изучения и преподавания основ классификации изображений, так как требует меньше вычислительной мощности и времени.
- Универсальность: Широко используется для обучения и оценки различных моделей машинного обучения, особенно в классификации изображений.
Для получения более подробной информации об обучении моделей и управлении наборами данных изучи раздел Структура набора данных.
Можно ли использовать набор данных ImageNette с разными размерами изображений?
Да, набор данных ImageNette также доступен в двух измененных по размеру версиях: ImageNette160 и ImageNette320. Эти версии помогают ускорить прототипирование и особенно полезны, когда вычислительные ресурсы ограничены.
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)Для получения дополнительной информации обратись к разделу Обучение с ImageNette160 и ImageNette320.
Каковы практические применения набора данных ImageNette?
Набор данных ImageNette широко используется в:
- Образовательных целях: Для обучения новичков машинному обучению и компьютерному зрению.
- Разработке ПО: Для быстрого прототипирования и разработки моделей классификации изображений.
- Исследованиях глубинного обучения: Для оценки и тестирования производительности различных моделей глубинного обучения, особенно сверточных нейронных сетей (CNN).
Изучи раздел Применения для получения подробных примеров использования.