ImageNet10 Veri Kümesi

The ImageNet10 dataset is a small-scale subset of the ImageNet database, developed by Ultralytics and designed for CI tests, sanity checks, and fast testing of training pipelines. This dataset is composed of the first image in the training set and the first image from the validation set of the first 10 classes in ImageNet. Although significantly smaller, it retains the structure and diversity of the original ImageNet dataset.

Temel Özellikler

• ImageNet10, orijinal veri kümesinin ilk 10 sınıfını temsil eden 20 görüntü ile ImageNet'in kompakt bir versiyonudur.
• Veri kümesi, tam ImageNet veri kümesinin yapısını yansıtacak şekilde WordNet hiyerarşisine göre düzenlenmiştir.
• Bilgisayarlı görü görevlerindeki CI testleri, doğrulama kontrolleri ve eğitim hatlarının hızlı bir şekilde test edilmesi için idealdir.
• Model kıyaslaması (benchmarking) için tasarlanmamış olsa da, bir modelin temel işlevselliğine ve doğruluğuna dair hızlı bir gösterge sağlayabilir.

Veri Kümesi Yapısı

ImageNet10 veri kümesi, tıpkı orijinal ImageNet gibi WordNet hiyerarşisi kullanılarak düzenlenmiştir. ImageNet10 içindeki 10 sınıfın her biri, bir synset (eş anlamlı terimler koleksiyonu) ile tanımlanır. ImageNet10'daki görüntüler, bir veya daha fazla synset ile etiketlenmiştir ve bu da modellerin çeşitli nesneleri ve bunların ilişkilerini tanımasını test etmek için kompakt bir kaynak sağlar.

Uygulamalar

ImageNet10 veri kümesi, bilgisayarlı görü modellerini ve hatlarını hızlı bir şekilde test etmek ve hatalarını ayıklamak için kullanışlıdır. Küçük boyutu hızlı yinelemeye olanak tanır ve bu da onu sürekli entegrasyon testleri ve doğrulama kontrolleri için ideal kılar. Ayrıca, tam ImageNet veri kümesi ile tam ölçekli testlere geçmeden önce yeni modellerin veya mevcut modellerdeki değişikliklerin hızlı ön testleri için de kullanılabilir.

Kullanım

Derin öğrenme modelinizi 224x224 görüntü boyutuyla ImageNet10 veri kümesi üzerinde test etmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için Eğitim sayfası modeline bak.

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="imagenet10", epochs=5, imgsz=224)

Örnek Görüntüler ve Ek Açıklamalar

ImageNet10 veri kümesi, orijinal ImageNet veri kümesinden alınan bir görüntü alt kümesini içerir. Bu görüntüler, veri kümesindeki ilk 10 sınıfı temsil etmek üzere seçilmiştir ve hızlı test ve değerlendirme için çeşitli ancak kompakt bir veri kümesi sunar.

Örnek, ImageNet10 veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını sergileyerek, doğrulama kontrolleri ve bilgisayarlı görü modellerinin hızlı testleri için kullanışlılığını vurgular.

Alıntılar ve Teşekkür

ImageNet10 veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen orijinal ImageNet makalesine atıfta bulun:

@article{ILSVRC15,
         author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
         title={ImageNet Large Scale Visual Recognition Challenge},
         year={2015},
         journal={International Journal of Computer Vision (IJCV)},
         volume={115},
         number={3},
         pages={211-252}
}

ImageNet veri kümesini oluşturdukları ve sürdürdükleri için Olga Russakovsky, Jia Deng ve Li Fei-Fei liderliğindeki ImageNet ekibine teşekkür ederiz. ImageNet10 veri kümesi, kompakt bir alt küme olmasına rağmen, makine öğrenimi ve bilgisayarlı görü araştırma topluluğunda hızlı test ve hata ayıklama için değerli bir kaynaktır. ImageNet veri kümesi ve yaratıcıları hakkında daha fazla bilgi için ImageNet web sitesini ziyaret et.

SSS

ImageNet10 veri kümesi nedir ve tam ImageNet veri kümesinden farkı nedir?

ImageNet10 veri kümesi, Ultralytics tarafından hızlı CI testleri, doğrulama kontrolleri ve eğitim hattı değerlendirmeleri için oluşturulan orijinal ImageNet veritabanının kompakt bir alt kümesidir. ImageNet10, ImageNet'teki ilk 10 sınıfın eğitim ve doğrulama kümelerindeki ilk görüntüleri temsil eden sadece 20 görüntüden oluşur. Küçük boyutuna rağmen, tam veri kümesinin yapısını ve çeşitliliğini korur; bu da onu hızlı testler için ideal kılar ancak modelleri kıyaslamak (benchmarking) için uygun değildir.

Derin öğrenme modelimi test etmek için ImageNet10 veri kümesini nasıl kullanabilirim?

Derin öğrenme modelini 224x224 görüntü boyutuyla ImageNet10 veri kümesi üzerinde test etmek için aşağıdaki kod parçacıklarını kullan.

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="imagenet10", epochs=5, imgsz=224)

Mevcut bağımsız değişkenlerin kapsamlı bir listesi için Eğitim (Training) sayfasına başvur.

Neden CI testleri ve doğrulama kontrolleri için ImageNet10 veri kümesini kullanmalıyım?

ImageNet10 veri kümesi, derin öğrenme hatlarındaki CI testleri, doğrulama kontrolleri ve hızlı değerlendirmeler için özel olarak tasarlanmıştır. Küçük boyutu hızlı yinelemeye ve test etmeye olanak tanır, bu da onu hızın kritik olduğu sürekli entegrasyon süreçleri için mükemmel kılar. Orijinal ImageNet veri kümesinin yapısal karmaşıklığını ve çeşitliliğini koruyarak, ImageNet10, büyük bir veri kümesini işlemenin getirdiği yük olmadan bir modelin temel işlevselliğinin ve doğruluğunun güvenilir bir göstergesini sağlar.

ImageNet10 veri kümesinin temel özellikleri nelerdir?

ImageNet10 veri kümesinin birkaç temel özelliği vardır:

• Kompakt Boyut: Sadece 20 görüntü ile hızlı test ve hata ayıklamaya olanak tanır.
• Yapılandırılmış Düzen: Tam ImageNet veri kümesine benzer şekilde WordNet hiyerarşisini takip eder.
• CI ve Doğrulama Kontrolleri: Sürekli entegrasyon testleri ve doğrulama kontrolleri için idealdir.
• Kıyaslama İçin Değildir: Hızlı model değerlendirmeleri için yararlı olsa da, kapsamlı kıyaslamalar (benchmarking) için tasarlanmamıştır.

ImageNet10, ImageNette gibi diğer küçük veri kümeleriyle nasıl karşılaştırılır?

Hem ImageNet10 hem de ImageNette, ImageNet'in alt kümeleri olsalar da farklı amaçlara hizmet ederler. ImageNet10, ImageNet'in ilk 10 sınıfından sadece 20 görüntü (sınıf başına 2) içerir, bu da onu CI testleri ve hızlı doğrulama kontrolleri için son derece hafif kılar. Buna karşılık ImageNette, kolayca ayırt edilebilen 10 sınıf genelinde binlerce görüntü içerir ve bu da onu gerçek model eğitimi ve geliştirme için daha uygun hale getirir. ImageNet10 hat işlevselliğinin doğrulanması için tasarlanmışken, ImageNette tam ImageNet'ten daha hızlı ancak anlamlı eğitim deneyleri için daha iyidir.