ImageNette Veri Kümesi
ImageNette veri kümesi, daha büyük olan ImageNet veri kümesinin bir alt kümesidir ancak yalnızca kolayca ayırt edilebilen 10 sınıf içerir. Yazılım geliştirme ve eğitim için ImageNet'in daha hızlı ve kullanımı daha kolay bir sürümünü sunmak amacıyla oluşturulmuştur.
Temel Özellikler
- ImageNette; tench, English springer, kasetçalar, elektrikli testere, kilise, Fransız kornosu, çöp kamyonu, gaz pompası, golf topu ve paraşüt gibi 10 farklı sınıftan görüntüler içerir.
- Veri kümesi, değişken boyutlarda renkli görüntülerden oluşur.
- ImageNette, özellikle görüntü sınıflandırma görevleri için makine öğrenimi alanında eğitim ve test amacıyla yaygın olarak kullanılır.
Veri Kümesi Yapısı
ImageNette veri kümesi iki alt kümeye ayrılmıştır:
- Eğitim Kümesi: Bu alt küme, makine öğrenimi modellerini eğitmek için kullanılan birkaç bin görüntü içerir. Tam sayı sınıfa göre değişiklik gösterir.
- Doğrulama Kümesi: Bu alt küme, eğitilen modelleri doğrulamak ve kıyaslamak için kullanılan birkaç yüz görüntüden oluşur. Yine, tam sayı sınıfa göre değişiklik gösterir.
Uygulamalar
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.
Kullanım
ImageNette veri kümesinde 224x224 standart görüntü boyutuyla 100 epoch boyunca bir model eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için Training sayfası modeline bakabilirsin.
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)Örnek Görüntüler ve Ek Açıklamalar
ImageNette veri kümesi, image classification görevleri için çok çeşitli bir veri kümesi sağlayan, çeşitli nesnelerin ve sahnelerin renkli görüntülerini içerir. İşte veri kümesinden bazı görüntü örnekleri:
Bu örnek, ImageNette veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını sergileyerek güçlü görüntü sınıflandırma modelleri eğitmek için çeşitli bir veri kümesinin önemini vurgular.
ImageNette160 ve ImageNette320
Daha hızlı prototipleme ve eğitim için ImageNette veri kümesi, iki küçültülmüş boyutta da mevcuttur: ImageNette160 ve ImageNette320. Bu veri kümeleri, tam ImageNette veri kümesiyle aynı sınıfları ve yapıyı korur ancak görüntüler daha küçük bir boyuta yeniden ölçeklendirilmiştir. Bu nedenle, veri kümesinin bu sürümleri özellikle ön model testi için veya hesaplama kaynakları sınırlı olduğunda oldukça kullanışlıdır.
Bu veri kümelerini kullanmak için eğitim komutundaki 'imagenette' ifadesini 'imagenette160' veya 'imagenette320' ile değiştirmen yeterlidir. Aşağıdaki kod parçacıkları bunu göstermektedir:
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)Veri kümesinin bu daha küçük sürümleri, geliştirme süreci boyunca hızlı yinelemelere olanak tanırken yine de değerli ve gerçekçi görüntü sınıflandırma görevleri sunar.
Alıntılar ve Teşekkür
ImageNette veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan lütfen uygun şekilde atıfta bulun. ImageNette veri kümesi hakkında daha fazla bilgi için ImageNette veri kümesi GitHub sayfasına göz at.
SSS
ImageNette veri kümesi nedir?
ImageNette veri kümesi, daha büyük olan ImageNet veri kümesinin basitleştirilmiş bir alt kümesidir ve tench, English springer ve Fransız kornosu gibi sadece 10 kolayca ayırt edilebilen sınıf içerir. Görüntü sınıflandırma modellerinin verimli bir şekilde eğitilmesi ve değerlendirilmesi için daha yönetilebilir bir veri kümesi sunmak amacıyla oluşturulmuştur. Bu veri kümesi, machine learning ve bilgisayarlı görü alanlarında hızlı yazılım geliştirme ve eğitim amaçları için özellikle kullanışlıdır.
ImageNette veri kümesini bir YOLO modeli eğitmek için nasıl kullanabilirim?
ImageNette veri kümesinde 100 epochs boyunca bir YOLO modeli eğitmek için aşağıdaki komutları kullanabilirsin. Ultralytics YOLO ortamının ayarlı olduğundan emin ol.
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)Daha fazla detay için Training belgeleme sayfasına bak.
ImageNette'i görüntü sınıflandırma görevleri için neden kullanmalıyım?
ImageNette veri kümesi çeşitli nedenlerden dolayı avantajlıdır:
- Hızlı ve Basit: Yalnızca 10 sınıf içerir, bu da onu daha büyük veri kümelerine kıyasla daha az karmaşık ve daha az zaman alıcı hale getirir.
- Eğitim Amaçlı Kullanım: Daha az hesaplama gücü ve zaman gerektirdiğinden, görüntü sınıflandırmanın temellerini öğrenmek ve öğretmek için idealdir.
- Çok Yönlülük: Özellikle görüntü sınıflandırma alanında çeşitli makine öğrenimi modellerini eğitmek ve kıyaslamak için yaygın olarak kullanılır.
Model eğitimi ve veri kümesi yönetimi hakkında daha fazla bilgi için Dataset Structure bölümünü keşfet.
ImageNette veri kümesi farklı görüntü boyutlarıyla kullanılabilir mi?
Evet, ImageNette veri kümesi iki yeniden boyutlandırılmış sürüm halinde de mevcuttur: ImageNette160 ve ImageNette320. Bu sürümler daha hızlı prototiplemeye yardımcı olur ve özellikle hesaplama kaynakları sınırlı olduğunda çok işe yarar.
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)Daha fazla bilgi için Training with ImageNette160 and ImageNette320 bölümüne başvur.
ImageNette veri kümesinin bazı pratik uygulamaları nelerdir?
ImageNette veri kümesi yaygın olarak şunlarda kullanılır:
- Eğitim Ortamları: Makine öğrenimi ve computer vision alanındaki yeni başlayanları eğitmek için.
- Yazılım Geliştirme: Görüntü sınıflandırma modellerinin hızlı prototiplenmesi ve geliştirilmesi için.
- Derin Öğrenme Araştırmaları: Özellikle Evrişimli Neural Networks (CNN'ler) olmak üzere çeşitli derin öğrenme modellerinin performansını değerlendirmek ve kıyaslamak için.
Ayrıntılı kullanım durumları için Applications bölümünü keşfet.