ImageNet10 Veri Kümesi#

Ultralytics ImageNet10 veri seti (data="imagenet10"), eğitim boru hatlarının sürekli entegrasyon testleri, mantık denetimleri ve hızlı doğrulaması için oluşturulmuş, ilk 10 sınıfını kapsayan ImageNet veri setinin küçük bir 24 görsellikteki alt kümesidir. Tam veri setiyle aynı WordNet-synset klasör yapısında düzenlenmiş 12 eğitim ve 12 doğrulama görseli barındırır; bu sayede ImageNet üzerinde eğtim yapan bir model, ImageNet10 üzerinde de hiç değiştirilmeden saatler yerine saniyeler içinde eğitilebilir. Doğruluk testi yapmak için değil, bir boru hatının baştan sona çalıştığını doğrulamak için tasarlanmıştır.

Temel Özellikler#

• ImageNet10, ImageNet'in ilk 10 sınıfından seçilmiş sadece 24 görüntü (12 eğitim, 12 doğrulama) içerir.
• Veri kümesi, tam ImageNet veri kümesinin sınıfa özel synset klasörlerini yansıtan WordNet hiyerarşisine göre düzenlenmiştir.
• Bilgisayarlı görü görevlerindeki eğitim hatlarının sürekli entegrasyon testleri, mantık denetimleri ve hızlı hata ayıklaması için özel olarak tasarlanmıştır.
• Model kıyaslaması için tasarlanmamış olsa da, bir modelin temel işlevselliği ve doğruluğu hakkında hızlı bir gösterge sağlar.

Veri Kümesi Yapısı#

ImageNet10, tam ImageNet veri setinin (n01440764 tench'ten n01518878 devekuşuna kadar) ilk 10 sınıfını kullanarak önceden tanımlanmış bir bölünmeyle gelir:

10 sınıfın her biri bir WordNet synset'idir (eş anlamlı terimler kümesi) ve görüntüler, synset kimliğine göre adlandırılan sınıfa özel klasörlerde bulunur; bu, Ultralytics sınıflandırma eğitiminin tam olarak beklediği düzenlemedir. Bu, ImageNet10'u, bir modelin beklenen klasör formatını tanıdığını test ederken tam veri kümesi için kompakt ve yapısal olarak sadık bir alternatif haline getirir.

Görselleri sınıfa göre gruplandırılmış şekilde incelemek, Grafikler sekmesinde sınıf dağılımını görmek ve bulutta kendi modelinizi eğitmek üzere klonlamak için Ultralytics Platform üzerindeki ImageNet10 seçeneğini keşfedin.

Uygulamalar#

ImageNet10 veri seti, bilgisayarlı görü modellerini ve boru hatlarını hızlı bir şekilde test etmek ve hata ayıklamak için kullanışlıdır. Küçük boyutu hızlı yinelemeye olanak tanır, bu da onu sürekli entegrasyon testleri ve mantık denetimleri için ideal kılar. Ayrıca tam ImageNet veri setiyle tam ölçekli çalıştırmalara geçmeden önce yeni modellerin veya kod değişikliklerinin hızlı bir ön testini yapmak için de elverişlidir.

Kullanım#

Bir sınıflandırma modelini ImageNet10 veri seti üzerinde 224x224 görsel boyutunda test etmek için aşağıdaki kod parçacıklarını kullanın. Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına başvurun.

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 seçilen, ilk 10 sınıfını temsil eden ve hızlı test ve değerlendirme için çeşitli ancak kompakt bir kaynak sağlayan bir alt küme içerir.

Bu örnek, ImageNet10 veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını sergileyerek, doğruluk kontrolleri ve bilgisayarlı görü modellerinin hızlı testi 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 setini oluşturdukları ve bakımını yaptıkları için Olga Russakovsky, Jia Deng ve Li Fei-Fei liderliğindeki ImageNet ekibine teşekkür ederiz. Ultralytics tarafından oluşturulan ImageNet10 alt kümesi, makine öğrenimi ve bilgisayarlı görü araştırma topluluğunda hızlı test ve hata ayıklama için değerli bir kaynaktır. ImageNet veri seti ve oluşturucuları hakkında daha fazla bilgi için ImageNet web sitesini ziyaret edin.

SSS#

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

ImageNet10 veri seti, hızlı CI testleri, mantık denetimleri ve eğitim boru hattı değerlendirmeleri için Ultralytics tarafından oluşturulan ImageNet veritabanının kompakt bir alt kümesidir. ImageNet'in ilk 10 sınıfından 24 görsel (12 eğitim ve 12 doğrulama) içerir. Küçük boyutuna rağmen tam veri setinin WordNet klasör yapısını korur; bu da onu hızlı boru hattı testi için ideal kılar ancak model doğruluğunu kıyaslamak için uygun değildir.

ImageNet10 kaç görüntüye ve sınıfa sahiptir?#

ImageNet10, ImageNet'in ilk 10 sınıfına yayılmış toplam 24 görüntü (12'si eğitim ve 12'si doğrulama için) içerir. Her sınıf, kendi klasöründe saklanan bir WordNet synset'idir, bu nedenle veri kümesi, tam ImageNet veri kümesinin düzenini çok daha küçük bir boyutta yansıtır.

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

Sınıflandırma modelini 224x224 görüntü boyutunda ImageNet10 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 argümanların kapsamlı bir listesi için Eğitim sayfasına başvurun.

CI testleri ve doğruluk kontrolleri için neden ImageNet10 veri kümesini kullanmalıyım?#

ImageNet10, derin öğrenme boru hatlarında CI testleri, mantık denetimleri ve hızlı değerlendirmeler için özel olarak tasarlanmıştır. 24 görselden oluşan boyutu neredeyse anında yinelemeye izin vererek hızın çok önemli olduğu sürekli entegrasyon için ideal olmasını sağlar. Tam ImageNet veri setinin klasör yapısını koruyarak, büyük bir veri setini işlemenin yükü olmaksızın bir modelin temel işlevselliğinin ve doğruluğunun güvenilir bir kontrolünü sunar.

ImageNet10, ImageNette gibi diğer küçük veri kümeleriyle nasıl kıyaslanır?#

Hem ImageNet10 hem de ImageNette, ImageNet'in alt kümeleri olmalarına rağmen farklı amaçlara hizmet ederler. ImageNet10, ilk 10 sınıftan yalnızca 24 görsel içerir ve bu da onu CI testi ve hızlı mantık denetimleri için son derece hafif hale getirir. Buna karşılık ImageNette, kolayca ayırt edilebilir 10 sınıf arasında 13.000'den fazla görsel içerir, bu da onu gerçek model eğitimi ve geliştirme için uygun kılar. ImageNet10 boru hattı işlevselliğini doğrular, ImageNette ise tam ImageNet'e kıyasla anlamlı ancak daha hızlı eğitim denemeleri için daha uygundur.