Перейти к содержимому

Набор данных ImageNette

Набор данных ImageNette - это подмножество более крупного набора данных Imagenet, но в него входят только 10 легко различимых классов. Он был создан, чтобы предоставить более быструю и простую в использовании версию Imagenet для разработки программного обеспечения и образования.

Основные характеристики

  • ImageNette содержит изображения из 10 различных классов, таких как линь, спрингер English , кассетный плеер, бензопила, церковь, валторна, мусоровоз, бензонасос, мяч для гольфа, парашют.
  • Набор данных состоит из цветных изображений разного размера.
  • ImageNette широко используется для обучения и тестирования в области машинного обучения, особенно для задач классификации изображений.

Структура набора данных

Набор данных ImageNette разбит на два подмножества:

  1. Обучающий набор: Это подмножество содержит несколько тысяч изображений, используемых для обучения моделей машинного обучения. Точное количество варьируется в зависимости от класса.
  2. Набор для проверки: Это подмножество состоит из нескольких сотен изображений, которые используются для проверки и бенчмаркинга обученных моделей. Опять же, точное количество варьируется в зависимости от класса.

Приложения

The ImageNette dataset is widely used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs), and various other machine learning algorithms. The dataset's straightforward format and well-chosen classes make it a handy resource for both beginner and experienced practitioners in the field of machine learning and computer vision.

Использование

Чтобы обучить модель на наборе данных ImageNette в течение 100 эпох со стандартным размером изображения 224x224, ты можешь воспользоваться следующими фрагментами кода. Полный список доступных аргументов ты найдешь на странице обучения модели.

Пример поезда

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 classify train data=imagenette model=yolov8n-cls.pt epochs=100 imgsz=224

Примеры изображений и аннотаций

The ImageNette dataset contains colored images of various objects and scenes, providing a diverse dataset for image classification tasks. Here are some examples of images from the dataset:

Образец изображения из набора данных

Этот пример демонстрирует разнообразие и сложность изображений в наборе данных ImageNette, подчеркивая важность разнообразных наборов данных для обучения надежных моделей классификации изображений.

ImageNette160 и ImageNette320

Для более быстрого создания прототипов 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 в них уменьшены до меньшего размера. Таким образом, эти версии набора данных особенно полезны для предварительного тестирования моделей или при ограниченных вычислительных ресурсах.

Чтобы использовать эти наборы данных, просто замени в команде обучения 'imagenette' на 'imagenette160' или 'imagenette320'. Следующие фрагменты кода иллюстрируют это:

Пример тренировки с 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 classify train data=imagenette160 model=yolov8n-cls.pt epochs=100 imgsz=160

Пример тренировки с 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 classify train data=imagenette320 model=yolov8n-cls.pt epochs=100 imgsz=320

Эти уменьшенные версии набора данных позволяют проводить быстрые итерации в процессе разработки, при этом оставаясь ценными и реалистичными задачами классификации изображений.

Цитаты и благодарности

Если ты используешь набор данных ImageNette в своих исследованиях или разработках, пожалуйста, отметь это соответствующим образом. Чтобы узнать больше о наборе данных ImageNette, посети страницу ImageNette dataset на GitHub.

ВОПРОСЫ И ОТВЕТЫ

Что представляет собой набор данных ImageNette?

The ImageNette dataset is a simplified subset of the larger ImageNet dataset, featuring only 10 easily distinguishable classes such as tench, English springer, and French horn. It was created to offer a more manageable dataset for efficient training and evaluation of image classification models. This dataset is particularly useful for quick software development and educational purposes in machine learning and computer vision.

Как я могу использовать набор данных ImageNette для обучения модели YOLO ?

To train a YOLO model on the ImageNette dataset for 100 epochs, you can use the following commands. Make sure to have the Ultralytics YOLO environment set up.

Пример поезда

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 classify train data=imagenette model=yolov8n-cls.pt epochs=100 imgsz=224

Более подробную информацию ты найдешь на странице документации по тренировкам.

Почему мне стоит использовать ImageNette для решения задач по классификации изображений?

Набор данных ImageNette выгоден по нескольким причинам:

  • Быстро и просто: Он содержит всего 10 классов, что делает его менее сложным и трудоемким по сравнению с большими наборами данных.
  • Использование в образовательных целях: идеально подходит для изучения и преподавания основ классификации изображений, так как требует меньше вычислительных мощностей и времени.
  • Универсальность: Широко используется для обучения и тестирования различных моделей машинного обучения, особенно в классификации изображений.

Чтобы узнать больше подробностей об обучении модели и управлении набором данных, изучи раздел " Структура набора данных ".

Можно ли использовать набор данных ImageNette с разными размерами изображений?

Да, набор данных ImageNette также доступен в двух уменьшенных версиях: ImageNette160 и ImageNette320. Эти версии помогают быстрее создавать прототипы и особенно полезны, когда вычислительные ресурсы ограничены.

Пример тренировки с ImageNette160

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")

# 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

За дополнительной информацией обращайся к разделу Обучение работе с ImageNette160 и ImageNette320.

Каковы некоторые практические применения набора данных ImageNette?

Набор данных ImageNette широко используется в:

  • Educational Settings: To educate beginners in machine learning and computer vision.
  • Разработка программного обеспечения: Для быстрого создания прототипов и разработки моделей классификации изображений.
  • Deep Learning Research: To evaluate and benchmark the performance of various deep learning models, especially Convolutional Neural Networks (CNNs).

Изучи раздел "Приложения", чтобы узнать подробные примеры использования.


📅 Created 10 months ago ✏️ Updated 3 days ago
Гленн-Джошер MatthewNoyce RizwanMunawar jk4e Амбициозный осьминог

Комментарии