مجموعة بيانات ImageNette

تعد مجموعة بيانات ImageNette مجموعة فرعية من مجموعة بيانات ImageNet الأكبر، ولكنها تتضمن 10 فئات فقط يمكن تمييزها بسهولة. تم إنشاؤه لتوفير نسخة أسرع وأسهل في الاستخدام من ImageNet لتطوير البرامج والتعليم.

الميزات الرئيسية

• تحتوي ImageNette على صور من 10 فئات مختلفة مثل: سمك التنش، و English Springer، ومشغل كاسيت، ومنشار سلسلة، وكنيسة، وبوق فرنسي، وشاحنة قمامة، ومضخة غاز، وكرة جولف، ومظلة.
• تتكون مجموعة البيانات من صور ملونة بأبعاد مختلفة.
• تستخدم ImageNette على نطاق واسع للتدريب والاختبار في مجال تعلم الآلة، وخاصة لمهام تصنيف الصور.

هيكل مجموعة البيانات

تنقسم مجموعة بيانات ImageNette إلى مجموعتين فرعيتين:

1. مجموعة التدريب: تحتوي هذه المجموعة الفرعية على عدة آلاف من الصور المستخدمة لتدريب نماذج تعلم الآلة. يختلف العدد الدقيق لكل فئة.
2. مجموعة التحقق: تتكون هذه المجموعة الفرعية من عدة مئات من الصور المستخدمة للتحقق من النماذج المدربة وقياس أدائها. مرة أخرى، يختلف العدد الدقيق لكل فئة.

التطبيقات

تُستخدم مجموعة بيانات ImageNette على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs)، والعديد من خوارزميات التعلم الآلي الأخرى. إن التنسيق المباشر لمجموعة البيانات والفئات المختارة جيدًا يجعلها مصدرًا مفيدًا لكل من المبتدئين والممارسين ذوي الخبرة في مجال التعلم الآلي و رؤية الكمبيوتر.

الاستخدام

لتدريب نموذج على مجموعة بيانات ImageNette لـ 100 حقبة بحجم صورة قياسي يبلغ 224 × 224، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالحجج المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

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

عينات من الصور والشروحات التوضيحية

تحتوي مجموعة بيانات ImageNette على صور ملونة لأشياء ومشاهد مختلفة، مما يوفر مجموعة بيانات متنوعة لمهام تصنيف الصور. فيما يلي بعض الأمثلة على الصور من مجموعة البيانات:

يُظهر هذا المثال تنوع وتعقيد الصور في مجموعة بيانات ImageNette، مع تسليط الضوء على أهمية وجود مجموعة بيانات متنوعة لتدريب نماذج قوية لتصنيف الصور.

ImageNette160 و ImageNette320

لتسريع النماذج الأولية والتدريب، يتوفر أيضًا مجموعة بيانات ImageNette بحجمين مخفضين: ImageNette160 و ImageNette320. تحتفظ مجموعات البيانات هذه بنفس الفئات والبنية مثل مجموعة بيانات ImageNette الكاملة، ولكن يتم تغيير حجم الصور إلى بُعد أصغر. على هذا النحو، فإن هذه الإصدارات من مجموعة البيانات مفيدة بشكل خاص لاختبار النموذج الأولي، أو عندما تكون الموارد الحسابية محدودة.

لاستخدام مجموعات البيانات هذه، ما عليك سوى استبدال 'imagenette' بـ 'imagenette160' أو 'imagenette320' في أمر التدريب. توضح مقتطفات التعليمات البرمجية التالية ذلك:

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

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

تسمح هذه الإصدارات الأصغر من مجموعة البيانات بإجراء تكرارات سريعة أثناء عملية التطوير مع الاستمرار في توفير مهام تصنيف صور قيمة وواقعية.

الاقتباسات والإقرارات

إذا كنت تستخدم مجموعة بيانات ImageNette في بحثك أو عملك التطويري، فيرجى الإقرار بها على النحو المناسب. لمزيد من المعلومات حول مجموعة بيانات ImageNette، تفضل بزيارة صفحة GitHub الخاصة بمجموعة بيانات ImageNette.

الأسئلة الشائعة

ما هي مجموعة بيانات ImageNette؟

تُعد مجموعة بيانات ImageNette مجموعة فرعية مبسطة من مجموعة بيانات ImageNet الأكبر، وتتميز بعشر فئات فقط سهلة التمييز مثل سمك التنش و English Springer و French Horn. تم إنشاؤها لتقديم مجموعة بيانات أكثر قابلية للإدارة من أجل التدريب والتقييم الفعالين لنماذج تصنيف الصور. تُعد مجموعة البيانات هذه مفيدة بشكل خاص لتطوير البرامج السريع والأغراض التعليمية في التعلم الآلي ورؤية الكمبيوتر.

كيف يمكنني استخدام مجموعة بيانات ImageNette لتدريب نموذج YOLO؟

لتدريب نموذج YOLO على مجموعة بيانات ImageNette لـ 100 حقبة، يمكنك استخدام الأوامر التالية. تأكد من إعداد بيئة Ultralytics YOLO.

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

لمزيد من التفاصيل، راجع صفحة وثائق التدريب.

لماذا يجب عليّ استخدام ImageNette لمهام تصنيف الصور؟

تتميز مجموعة بيانات ImageNette بمزايا عديدة:

• سريع وبسيط: يحتوي على 10 فئات فقط، مما يجعله أقل تعقيدًا واستهلاكًا للوقت مقارنة بمجموعات البيانات الأكبر.
• الاستخدام التعليمي: مثالي لتعلم وتدريس أساسيات تصنيف الصور لأنه يتطلب طاقة حسابية ووقتًا أقل.
• تعدد الاستخدامات: يستخدم على نطاق واسع لتدريب وقياس أداء نماذج تعلم الآلة المختلفة، وخاصة في تصنيف الصور.

لمزيد من التفاصيل حول تدريب النموذج وإدارة مجموعة البيانات، استكشف قسم هيكل مجموعة البيانات.

هل يمكن استخدام مجموعة بيانات ImageNette بأحجام صور مختلفة؟

نعم، مجموعة بيانات ImageNette متاحة أيضًا في نسختين مُعاد تحجيمهما: ImageNette160 و ImageNette320. تساعد هذه النسخ في النماذج الأولية الأسرع وهي مفيدة بشكل خاص عندما تكون الموارد الحسابية محدودة.

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

لمزيد من المعلومات، راجع التدريب باستخدام ImageNette160 و ImageNette320.

ما هي بعض التطبيقات العملية لمجموعة بيانات ImageNette؟

تستخدم مجموعة بيانات ImageNette على نطاق واسع في:

• الإعدادات التعليمية: لتثقيف المبتدئين في مجال تعلم الآلة و رؤية الكمبيوتر.
• تطوير البرمجيات: للنماذج الأولية السريعة وتطوير نماذج تصنيف الصور.
• أبحاث التعلم العميق: لتقييم وقياس أداء نماذج التعلم العميق المختلفة، وخاصة الشبكات العصبية التلافيفية (CNNs).

استكشف قسم التطبيقات لحالات الاستخدام التفصيلية.

📅 تم الإنشاء منذ سنة واحدة ✏️ تم التحديث منذ 4 أشهر

تعليقات