ImageNet10 Veri Kümesi

ImageNet10 veri kümesi, ImageNet veritabanının küçük ölçekli bir alt kümesidir. Ultralytics ve CI testleri, akıllılık kontrolleri ve eğitim boru hatlarının hızlı testi için tasarlanmıştır. Bu veri kümesi, eğitim kümesindeki ilk görüntüden ve ImageNet'teki ilk 10 sınıfın doğrulama kümesindeki ilk görüntüden oluşur. Önemli ölçüde daha küçük olmasına rağmen, orijinal ImageNet veri kümesinin yapısını ve çeşitliliğini korur.

Temel Özellikler

• ImageNet10, orijinal veri kümesinin ilk 10 sınıfını temsil eden 20 görüntü ile ImageNet'in kompakt bir versiyonudur.
• Veri kümesi, ImageNet veri kümesinin tamamının yapısını yansıtacak şekilde WordNet hiyerarşisine göre düzenlenmiştir.
• CI testleri, akıl sağlığı kontrolleri ve bilgisayarla görme görevlerinde eğitim boru hatlarının hızlı bir şekilde test edilmesi için idealdir.
• Model kıyaslaması için tasarlanmamış olsa da, bir modelin temel işlevselliği ve doğruluğu hakkında hızlı bir gösterge sağlayabilir.

Veri Kümesi Yapısı

ImageNet10 veri kümesi, orijinal ImageNet gibi WordNet hiyerarşisi kullanılarak düzenlenmiştir. ImageNet10'daki 10 sınıfın her biri bir synset (eşanlamlı terimler koleksiyonu) tarafından tanımlanır. ImageNet10'daki görüntülere bir veya daha fazla söz kümesi eklenerek çeşitli nesneleri ve aralarındaki ilişkileri tanımaya yönelik modelleri test etmek için kompakt bir kaynak sağlanır.

Uygulamalar

ImageNet10 veri kümesi, bilgisayarla görme modellerini ve işlem hatlarını hızlı bir şekilde test etmek ve hata ayıklamak için kullanışlıdır. Küçük boyutu hızlı yinelemeye olanak tanıyarak sürekli entegrasyon testleri ve akıl sağlığı kontrolleri için idealdir. Ayrıca ImageNet veri setinin tamamıyla tam ölçekli testlere geçmeden önce yeni modellerin veya mevcut modellerdeki değişikliklerin hızlı ön testleri için de kullanılabilir.

Kullanım

224x224 görüntü boyutuna sahip ImageNet10 veri kümesinde bir derin öğrenme modelini test etmek için aşağıdaki kod parçacıklarını kullanabilirsiniz. Kullanılabilir bağımsız değişkenlerin kapsamlı bir listesi için Model Eğitimi sayfasına bakın.

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

# Start training from a pretrained *.pt model
yolo train data=imagenet10 model=yolov8n-cls.pt epochs=5 imgsz=224

Örnek Görüntüler ve Açıklamalar

ImageNet10 veri kümesi, orijinal ImageNet veri kümesinden bir görüntü alt kümesi içerir. Bu görüntüler, veri kümesindeki ilk 10 sınıfı temsil edecek şekilde seçilmiştir ve hızlı test ve değerlendirme için çeşitli ancak kompakt bir veri kümesi sağlar.

Örnek, ImageNet10 veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını sergileyerek, bilgisayarla görme modellerinin akıl sağlığı kontrolleri ve hızlı testleri için kullanışlılığını vurgulamaktadır.

Atıflar ve Teşekkür

Araştırma veya geliştirme çalışmalarınızda ImageNet10 veri kümesini kullanıyorsanız, lütfen orijinal ImageNet makalesine atıfta bulunun:

@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}
}

Olga Russakovsky, Jia Deng ve Li Fei-Fei liderliğindeki ImageNet ekibine ImageNet veri setini oluşturdukları ve sürdürdükleri için teşekkür ederiz. ImageNet10 veri kümesi, kompakt bir alt küme olmakla birlikte, makine öğrenimi ve bilgisayarla görme 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 edin.

SSS

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

ImageNet10 veri kümesi, Ultralytics tarafından hızlı CI testleri, akıl sağlığı kontrolleri ve eğitim hattı değerlendirmeleri için oluşturulan orijinal ImageNet veri tabanının kompakt bir alt kümesidir. ImageNet10, ImageNet'teki ilk 10 sınıfın eğitim ve doğrulama setlerindeki ilk görüntüyü temsil eden yalnızca 20 görüntüden oluşur. Küçük boyutuna rağmen, tam veri kümesinin yapısını ve çeşitliliğini korur, bu da onu hızlı test için ideal kılar, ancak modelleri kıyaslamak için ideal değildir.

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

Derin öğrenme modelinizi 224x224 görüntü boyutuna sahip ImageNet10 veri kümesi üzerinde test etmek için aşağıdaki kod parçacıklarını kullanın.

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

# Start training from a pretrained *.pt model
yolo train data=imagenet10 model=yolov8n-cls.pt epochs=5 imgsz=224

Mevcut argümanların kapsamlı bir listesi için Eğitim sayfasına bakın.

Neden ImageNet10 veri setini CI testleri ve akıl sağlığı kontrolleri için kullanmalıyım?

ImageNet10 veri seti, özellikle CI testleri, sağlık kontrolleri ve derin öğrenme işlem hatlarında hızlı değerlendirmeler için tasarlanmıştır. Küçük boyutu hızlı yineleme ve testlere olanak tanıyarak hızın çok önemli olduğu sürekli entegrasyon süreçleri için mükemmeldir. Orijinal ImageNet veri kümesinin yapısal karmaşıklığını ve çeşitliliğini koruyan ImageNet10, büyük bir veri kümesini işlemenin getirdiği ek yük olmadan bir modelin temel işlevselliği ve doğruluğu hakkında güvenilir bir gösterge sağlar.

ImageNet10 veri setinin temel özellikleri nelerdir?

ImageNet10 veri kümesinin birkaç temel özelliği vardır:

• Kompakt Boyut: Sadece 20 görüntü ile hızlı test ve hata ayıklama imkanı sağlar.
• Yapılandırılmış Organizasyon: ImageNet veri kümesinin tamamına benzer şekilde WordNet hiyerarşisini takip eder.
• CI ve Sanity Kontrolleri: Sürekli entegrasyon testleri ve akıllılık kontrolleri için idealdir.
• Kıyaslama için değil: Hızlı model değerlendirmeleri için yararlı olsa da, kapsamlı kıyaslama için tasarlanmamıştır.

ImageNet10 veri setini nereden indirebilirim?

ImageNet10 veri setini Ultralytics GitHub sürümleri sayfasından indirebilirsiniz. Yapısı ve uygulamaları hakkında daha ayrıntılı bilgi için ImageNet10 Veri Kümesi sayfasına bakın.

Yorumlar