Tập dữ liệu ImageNette#
Dataset ImageNette là một tập con của ImageNet với 10 lớp dễ phân biệt, do fast.ai tạo ra nhằm cung cấp phiên bản ImageNet nhanh hơn, dễ sử dụng hơn cho phát triển phần mềm và giáo dục. Nó chứa 13.394 ảnh màu — 9.469 ảnh cho huấn luyện và 3.925 ảnh cho xác thực — bao gồm các lớp như cá vược (tench), chó săn English springer, máy phát cassette và kèn hồ (French horn), giúp các mô hình phân loại ảnh huấn luyện xong trong vài phút thay vì hàng giờ như ImageNet toàn diện với 1.000 lớp yêu cầu.
Tính năng chính#
- ImageNette chứa 13.394 hình ảnh thuộc 10 lớp: tench, English springer, cassette player, chain saw (máy cưa), church (nhà thờ), French horn, garbage truck (xe chở rác), gas pump (trạm bơm xăng), golf ball (bóng golf), và parachute (dù).
- Tập dữ liệu đi kèm với một cấu trúc phân chia định sẵn gồm 9.469 hình ảnh màu để huấn luyện và 3.925 hình ảnh để kiểm định với các kích thước khác nhau.
- 10 lớp được phân tách rõ ràng giúp ImageNette có tốc độ huấn luyện nhanh và dễ hiểu, vì vậy nó được sử dụng rộng rãi để tạo nguyên mẫu (prototyping) và giảng dạy về phân loại hình ảnh.
Cấu trúc tập dữ liệu#
ImageNette đi kèm với cấu trúc phân chia huấn luyện/kiểm định định sẵn, trong đó mỗi lớp được lưu trữ trong thư mục riêng biệt:
| Split | Hình ảnh | Các lớp |
|---|---|---|
| Huấn luyện (Train) | 9,469 | 10 |
| Validation | 3,925 | 10 |
Số lượng hình ảnh chính xác thay đổi tùy theo từng lớp, mang lại sự phân bổ thực tế cho việc huấn luyện nhanh và đánh giá hiệu năng (benchmarking) mà không cần đến quy mô của tập dữ liệu ImageNet đầy đủ.
Ứng dụng#
Dataset ImageNette được sử dụng rộng rãi để huấn luyện và đánh giá các mô hình học sâu trong các tác vụ phân loại ảnh, chẳng hạn như Mạng Nơ-ron Tích chập (CNN) và các thuật toán học máy khác. Định dạng đơn giản và các lớp được chọn lọc kỹ càng của nó biến đây thành một tài nguyên tiện lợi cho cả người mới bắt đầu lẫn các kỹ sư có kinh nghiệm trong lĩnh vực học máy và thị giác máy tính.
Cách sử dụng#
Để huấn luyện một mô hình trên dataset ImageNette trong 100 epoch với kích thước ảnh chuẩn 224x224, bạn có thể sử dụng các đoạn mã sau. Để có danh sách toàn diện các tham số khả dụng, hãy tham khảo trang Huấn luyện mô hình.
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)Hình ảnh mẫu và chú thích#
Dataset ImageNette chứa các hình ảnh màu của nhiều đối tượng và khung cảnh khác nhau, cung cấp một dataset đa dạng cho các tác vụ phân loại ảnh. Dưới đây là một số ví dụ về hình ảnh từ dataset:
Ví dụ này minh họa sự đa dạng và phức tạp của các hình ảnh trong tập dữ liệu ImageNette, làm nổi bật tầm quan trọng của một tập dữ liệu đa dạng để huấn luyện các mô hình phân loại hình ảnh mạnh mẽ.
ImageNette160 và ImageNette320#
Để tạo mẫu và huấn luyện nhanh hơn, ImageNette cũng có sẵn ở hai kích thước thu gọn: ImageNette160 và ImageNette320. Các dataset này giữ nguyên các lớp và cấu trúc như ImageNette gốc, nhưng hình ảnh được thay đổi kích thước về độ dài cạnh tối đa nhỏ hơn. Chúng đặc biệt hữu ích cho việc kiểm thử mô hình sơ bộ hoặc khi tài nguyên tính toán bị hạn chế.
Để sử dụng các dataset này, chỉ cần thay thế imagenette bằng imagenette160 hoặc imagenette320 trong lệnh huấn luyện. Các đoạn mã sau minh họa điều này:
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)Các phiên bản nhỏ hơn này của dataset cho phép lặp nhanh trong quá trình phát triển mà vẫn đảm bảo các tác vụ phân loại ảnh thực tế. Bạn cũng có thể quản lý các dataset phân loại và chạy huấn luyện trên đám mây với Ultralytics Platform.
Trích dẫn và Ghi nhận#
Nếu bạn sử dụng dataset ImageNette trong công việc nghiên cứu hoặc phát triển của mình, vui lòng ghi nhận nguồn một cách thích hợp. Để biết thêm thông tin về ImageNette, hãy truy cập trang GitHub của dataset ImageNette.
Chúng tôi xin gửi lời cảm ơn đến đội ngũ fast.ai vì đã tạo ra và duy trì ImageNette như một tài nguyên có giá trị cho cộng đồng nghiên cứu học máy và thị giác máy tính.
Câu hỏi thường gặp#
Dataset ImageNette là một tập con đơn giản hóa của ImageNet với 10 lớp dễ phân biệt như cá vược, chó săn English springer và kèn hồ. Nó chứa 13.394 ảnh (9.469 ảnh huấn luyện và 3.925 ảnh xác thực) và được tạo bởi fast.ai nhằm cung cấp một dataset dễ quản lý hơn để huấn luyện và đánh giá hiệu quả các mô hình phân loại ảnh. Điều này làm cho nó đặc biệt hữu ích cho việc phát triển phần mềm nhanh chóng và các mục đích giáo dục trong lĩnh vực học máy và thị giác máy tính.
ImageNette chứa tổng cộng 13.394 hình ảnh — 9.469 ảnh cho huấn luyện và 3.925 ảnh cho kiểm định — trên 10 lớp: tench, English springer, cassette player, chain saw, church, French horn, garbage truck, gas pump, golf ball, và parachute. Mỗi lớp được lưu trữ trong thư mục riêng, tuân theo bố cục phân loại tiêu chuẩn mà Ultralytics yêu cầu.
Để huấn luyện một mô hình YOLO trên ImageNette trong 100 epoch, hãy sử dụng các lệnh sau. Hãy đảm bảo bạn đã thiết lập môi trường Ultralytics YOLO.
Ví dụ về Trainingfrom 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)Để biết thêm chi tiết, hãy xem trang tài liệu Huấn luyện.
Tập dữ liệu ImageNette có lợi thế vì một số lý do sau:
- Nhanh chóng và Đơn giản: Chỉ với 10 lớp và khoảng 13.000 hình ảnh, nó ít phức tạp và tốn ít thời gian huấn luyện hơn nhiều so với ImageNet đầy đủ.
- Sử dụng trong Giáo dục: Lý tưởng để học và giảng dạy những kiến thức cơ bản về phân loại hình ảnh, vì nó yêu cầu ít năng lượng tính toán và thời gian hơn.
- Tính linh hoạt: Được sử dụng rộng rãi để huấn luyện và đánh giá chuẩn (benchmark) các mô hình phân loại ảnh, đặc biệt là Mạng Nơ-ron Tích chập (CNN).
Để biết thêm chi tiết về việc huấn luyện mô hình và quản lý dataset, hãy khám phá phần Cấu trúc Dataset.
Có, ImageNette cũng khả dụng ở hai phiên bản đã thay đổi kích thước là ImageNette160 và ImageNette320, với hình ảnh được thay đổi kích thước theo độ dài cạnh tối đa nhỏ hơn. Các phiên bản này hỗ trợ tạo nguyên mẫu nhanh hơn và đặc biệt hữu ích khi tài nguyên tính toán bị hạn chế.
Ví dụ huấn luyện với ImageNette160from 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)Để biết thêm thông tin, hãy tham khảo Huấn luyện với ImageNette160 và ImageNette320.
Tập dữ liệu ImageNette được sử dụng rộng rãi trong:
- Môi trường giáo dục: Để dạy cho người mới bắt đầu các nguyên fundamentals của học máy và thị giác máy tính.
- Phát triển Phần mềm: Dùng cho việc tạo nguyên mẫu nhanh và phát triển các mô hình phân loại hình ảnh.
- Nghiên cứu Học sâu: Để đánh giá và kiểm chuẩn hiệu suất của các mô hình học sâu khác nhau, đặc biệt là Mạng Nơ-ron Tích chập (CNN).
Khám phá phần Ứng dụng để xem các trường hợp sử dụng chi tiết.