コンテンツにスキップ

ImageNetteデータセット

ImageNetteデータセットは、より大きなImageNetデータセットのサブセットですが、10個の簡単に区別できるクラスのみが含まれています。ソフトウェア開発と教育のために、より迅速で使いやすいバージョンのImageNetを提供するために作成されました。

主な特徴

  • ImageNetteには、テンチ、English Springer、カセットプレーヤー、チェーンソー、教会、フレンチホルン、ゴミ収集車、ガソリンポンプ、ゴルフボール、パラシュートなど、10種類のクラスの画像が含まれています。
  • データセットは、さまざまな寸法のカラー画像で構成されています。
  • ImageNetteは、機械学習の分野、特に画像分類タスクにおいて、トレーニングとテストに広く使用されています。

データセットの構造

ImageNette データセットは、次の 2 つのサブセットに分割されています。

  1. トレーニングセット: 機械学習モデルのトレーニングに使用される数千枚の画像が含まれています。正確な数はクラスによって異なります。
  2. Validation Set（検証用データセット）: このサブセットは、学習済みモデルの検証とベンチマークに使用される数百枚の画像で構成されています。正確な画像数はクラスによって異なります。

アプリケーション

ImageNetteデータセットは、畳み込みニューラルネットワーク（CNN）やその他のさまざまな機械学習アルゴリズムなど、画像分類タスクにおける深層学習モデルのトレーニングと評価に広く使用されています。データセットの簡単な形式と適切に選択されたクラスにより、機械学習およびコンピュータビジョンの分野の初心者と経験豊富な実践者の両方にとって便利なリソースとなっています。

使用法

標準画像サイズ224x224でImageNetteデータセットでモデルを100エポックトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の包括的なリストについては、モデルのトレーニングページを参照してください。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenette", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenette model=yolo11n-cls.pt epochs=100 imgsz=224

サンプル画像とアノテーション

ImageNetteデータセットには、さまざまなオブジェクトとシーンのカラー画像が含まれており、画像分類タスクのための多様なデータセットを提供します。以下に、データセットからの画像の例をいくつか示します。

データセットのサンプル画像

この例は、ImageNetteデータセット内の画像の多様性と複雑さを示しており、堅牢な画像分類モデルをトレーニングするための多様なデータセットの重要性を強調しています。

ImageNette160とImageNette320

より迅速なプロトタイピングとトレーニングのために、ImageNette データセットは、ImageNette160 と ImageNette320 の2つの縮小サイズでも利用できます。これらのデータセットは、完全な ImageNette データセットと同じクラスと構造を維持していますが、画像はより小さいサイズに変更されています。そのため、これらのバージョンのデータセットは、予備的なモデルテストや、計算リソースが限られている場合に特に役立ちます。

これらのデータセットを使用するには、トレーニングコマンドで「imagenette」を「imagenette160」または「imagenette320」に置き換えるだけです。以下のコードスニペットは、これを示しています。

ImageNette160を使用したトレーニングの例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

# Start training from a pretrained *.pt model with ImageNette160
yolo classify train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160

ImageNette320を使用したトレーニングの例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model with ImageNette320
results = model.train(data="imagenette320", epochs=100, imgsz=320)

# Start training from a pretrained *.pt model with ImageNette320
yolo classify train data=imagenette320 model=yolo11n-cls.pt epochs=100 imgsz=320

データセットのこれらのより小さなバージョンを使用すると、開発プロセス中に迅速な反復が可能になり、同時に価値のある現実的な画像分類タスクを提供できます。

引用と謝辞

ImageNetteデータセットを研究または開発にご利用の際は、適切に謝辞を述べてください。ImageNetteデータセットの詳細については、ImageNetteデータセットのGitHubページをご覧ください。

よくある質問

ImageNetteデータセットとは何ですか？

＜a href="https://github.com/fastai/imagenette">ImageNetteデータセットは、大規模な＜a href="https://www.image-net.org/">ImageNetデータセットを簡略化したサブセットであり、テンチ、English springer、フレンチホルンなど、容易に区別できる10個のクラスのみを特徴としています。画像分類モデルの効率的なトレーニングと評価のために、より管理しやすいデータセットを提供するために作成されました。このデータセットは、＜a href="https://www.ultralytics.com/glossary/machine-learning-ml">機械学習とコンピュータビジョンの迅速なソフトウェア開発と教育目的に特に役立ちます。

YOLO モデルのトレーニングに ImageNette データセットを使用するにはどうすればよいですか？

ImageNetteデータセットでYOLOモデルを100エポックトレーニングするには、次のコマンドを使用できます。Ultralytics YOLO環境がセットアップされていることを確認してください。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="imagenette", epochs=100, imgsz=224)

# Start training from a pretrained *.pt model
yolo classify train data=imagenette model=yolo11n-cls.pt epochs=100 imgsz=224

詳細については、トレーニングのドキュメントページをご覧ください。

画像分類タスクにImageNetteを使用すべきなのはなぜですか？

ImageNetteデータセットには、いくつかの利点があります。

  • 迅速かつシンプル: クラス数がわずか10個であるため、大規模なデータセットと比較して複雑さが軽減され、時間もかかりません。
  • 教育用途: 画像分類の基礎を学習および教育するのに最適です。計算能力と時間が少なくて済むためです。
  • Versatility（汎用性）: 特に画像分類において、さまざまな機械学習モデルの学習とベンチマークに広く使用されています。

モデルのトレーニングとデータセットの管理の詳細については、データセット構造セクションをご覧ください。

ImageNetteデータセットを異なる画像サイズで使用できますか？

はい、ImageNetteデータセットには、サイズ変更された2つのバージョン、ImageNette160とImageNette320もあります。これらのバージョンは、プロトタイピングを迅速化するのに役立ち、計算リソースが限られている場合に特に役立ちます。

ImageNette160を使用したトレーニングの例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")

# Train the model with ImageNette160
results = model.train(data="imagenette160", epochs=100, imgsz=160)

# Start training from a pretrained *.pt model with ImageNette160
yolo classify train data=imagenette160 model=yolo11n-cls.pt epochs=100 imgsz=160

詳細については、ImageNette160およびImageNette320を使用したトレーニングを参照してください。

ImageNetteデータセットの実用的な応用例は何ですか？

ImageNetteデータセットは、以下で広く使用されています。

  • 教育現場: 機械学習とコンピュータビジョンの初学者を教育するために。
  • ソフトウェア開発: 画像分類モデルの迅速なプロトタイピングと開発に。
  • 深層学習研究: さまざまな深層学習モデル、特に畳み込みニューラルネットワーク（CNN）のパフォーマンスを評価およびベンチマークするため。

詳細なユースケースについては、アプリケーションセクションをご覧ください。



📅 1年前に作成 ✏️ 4か月前に更新
glenn-jocher UltralyticsAssistant MatthewNoyce RizwanMunawar jk4e ambitious-octopus

コメント