Conjunto de Dados ImageNette
O conjunto de dados ImageNette é um subconjunto do conjunto de dados maior ImageNet, mas inclui apenas 10 classes facilmente distinguíveis. Foi criado para fornecer uma versão mais rápida e fácil de usar do ImageNet para desenvolvimento de software e educação.
Principais Características
- ImageNette contém imagens de 10 classes diferentes, como tenca, English springer, toca-fitas, motosserra, igreja, trompa francesa, caminhão de lixo, bomba de gasolina, bola de golfe, paraquedas.
- O conjunto de dados compreende imagens coloridas de dimensões variadas.
- ImageNette é amplamente utilizado para treinamento e teste no campo do aprendizado de máquina, especialmente para tarefas de classificação de imagens.
Estrutura do Conjunto de Dados
O conjunto de dados ImageNette é dividido em dois subconjuntos:
- Conjunto de Treino: Este subconjunto contém vários milhares de imagens usadas para treinar modelos de aprendizado de máquina. O número exato varia por classe.
- Conjunto de Validação: Este subconjunto consiste em várias centenas de imagens usadas para validar e testar os modelos treinados. Novamente, o número exato varia por classe.
Aplicações
O dataset ImageNette é amplamente utilizado para treinar e avaliar modelos de aprendizado profundo em tarefas de classificação de imagens, como Redes Neurais Convolucionais (CNNs), e vários outros algoritmos de aprendizado de máquina. O formato direto do dataset e as classes bem escolhidas o tornam um recurso útil para profissionais iniciantes e experientes no campo de aprendizado de máquina e visão computacional.
Utilização
Para treinar um modelo no conjunto de dados ImageNette por 100 épocas com um tamanho de imagem padrão de 224x224, você pode usar os seguintes trechos de código. Para uma lista abrangente de argumentos disponíveis, consulte a página de Treinamento do modelo.
Exemplo de Treinamento
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
Amostras de Imagens e Anotações
O conjunto de dados ImageNette contém imagens coloridas de vários objetos e cenas, fornecendo um conjunto de dados diversificado para tarefas de classificação de imagens. Aqui estão alguns exemplos de imagens do conjunto de dados:
O exemplo demonstra a variedade e complexidade das imagens no conjunto de dados ImageNette, destacando a importância de um conjunto de dados diversificado para treinar modelos robustos de classificação de imagens.
ImageNette160 e ImageNette320
Para prototipagem e treino mais rápidos, o conjunto de dados ImageNette também está disponível em dois tamanhos reduzidos: ImageNette160 e ImageNette320. Estes conjuntos de dados mantêm as mesmas classes e estrutura do conjunto de dados ImageNette completo, mas as imagens são redimensionadas para uma dimensão menor. Como tal, estas versões do conjunto de dados são particularmente úteis para testes preliminares do modelo ou quando os recursos computacionais são limitados.
Para usar estes conjuntos de dados, basta substituir 'imagenette' por 'imagenette160' ou 'imagenette320' no comando de treinamento. Os seguintes trechos de código ilustram isto:
Exemplo de Treinamento com ImageNette160
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
Exemplo de Treinamento com ImageNette320
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
Essas versões menores do conjunto de dados permitem iterações rápidas durante o processo de desenvolvimento, ao mesmo tempo em que fornecem tarefas de classificação de imagem valiosas e realistas.
Citações e Agradecimentos
Se você usar o conjunto de dados ImageNette em seu trabalho de pesquisa ou desenvolvimento, reconheça-o adequadamente. Para obter mais informações sobre o conjunto de dados ImageNette, visite a página do ImageNette no GitHub.
FAQ
O que é o conjunto de dados ImageNette?
O conjunto de dados ImageNette é um subconjunto simplificado do conjunto de dados ImageNet maior, apresentando apenas 10 classes facilmente distinguíveis, como tenca, English springer e trompa. Foi criado para oferecer um conjunto de dados mais gerenciável para treinamento e avaliação eficientes de modelos de classificação de imagens. Este conjunto de dados é particularmente útil para desenvolvimento rápido de software e fins educacionais em aprendizado de máquina e visão computacional.
Como posso usar o conjunto de dados ImageNette para treinar um modelo YOLO?
Para treinar um modelo YOLO no conjunto de dados ImageNette por 100 épocas, você pode usar os seguintes comandos. Certifique-se de ter o ambiente Ultralytics YOLO configurado.
Exemplo de Treinamento
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
Para mais detalhes, consulte a página de documentação de Treinamento.
Por que devo usar o ImageNette para tarefas de classificação de imagens?
O conjunto de dados ImageNette é vantajoso por vários motivos:
- Rápido e Simples: Contém apenas 10 classes, tornando-o menos complexo e demorado em comparação com conjuntos de dados maiores.
- Uso Educacional: Ideal para aprender e ensinar os fundamentos da classificação de imagens, pois requer menos poder computacional e tempo.
- Versatilidade: Amplamente utilizado para treinar e testar vários modelos de machine learning, especialmente em classificação de imagens.
Para mais detalhes sobre o treinamento do modelo e gerenciamento de conjuntos de dados, explore a seção Estrutura do Conjunto de Dados.
O conjunto de dados ImageNette pode ser usado com diferentes tamanhos de imagem?
Sim, o conjunto de dados ImageNette também está disponível em duas versões redimensionadas: ImageNette160 e ImageNette320. Essas versões ajudam na prototipagem mais rápida e são especialmente úteis quando os recursos computacionais são limitados.
Exemplo de Treinamento com ImageNette160
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
Para obter mais informações, consulte Treinamento com ImageNette160 e ImageNette320.
Quais são algumas aplicações práticas do conjunto de dados ImageNette?
O conjunto de dados ImageNette é amplamente utilizado em:
- Configurações Educacionais: Para educar iniciantes em machine learning e visão computacional.
- Desenvolvimento de Software: Para prototipagem rápida e desenvolvimento de modelos de classificação de imagem.
- Pesquisa em Deep Learning: Para avaliar e comparar o desempenho de vários modelos de deep learning, especialmente Redes Neurais Convolucionais (Neural Networks CNNs).
Explore a seção Aplicações para casos de uso detalhados.
