ImageNette Veri Kümesi
ImageNette veri seti, daha büyük ImageNet veri setinin bir alt kümesidir, ancak yalnızca kolayca ayırt edilebilen 10 sınıf içerir. Yazılım geliştirme ve eğitim için ImageNet'in daha hızlı, kullanımı daha kolay bir sürümünü sağlamak amacıyla oluşturulmuştur.
Temel Özellikler
- ImageNette, kadife balığı, English springer, kaset çalar, motorlu testere, kilise, korno, çöp kamyonu, benzin pompası, golf topu, paraşüt gibi 10 farklı sınıftan görüntüler içerir.
- Veri kümesi, farklı boyutlarda renkli görüntülerden oluşmaktadır.
- ImageNette, özellikle görüntü sınıflandırma görevleri için makine öğrenimi alanında eğitim ve test için yaygın olarak kullanılmaktadır.
Veri Seti Yapısı
ImageNette veri kümesi iki alt kümeye ayrılmıştır:
- Eğitim Kümesi: Bu alt küme, makine öğrenimi modellerini eğitmek için kullanılan birkaç bin görsel içerir. Kesin sayı, sınıfa göre değişir.
- Doğrulama Kümesi: Bu alt küme, eğitilmiş modelleri doğrulamak ve kıyaslamak için kullanılan birkaç yüz resimden oluşur. Yine, kesin sayı sınıfa göre değişir.
Uygulamalar
ImageNette veri seti, Evrişimsel Sinir Ağları (CNN'ler) gibi görüntü sınıflandırma görevlerinde derin öğrenme modellerini ve diğer çeşitli makine öğrenimi algoritmalarını eğitmek ve değerlendirmek için yaygın olarak kullanılır. Veri setinin basit formatı ve iyi seçilmiş sınıfları, onu makine öğrenimi ve bilgisayarlı görü alanındaki hem yeni başlayanlar hem de deneyimli uygulayıcılar için kullanışlı bir kaynak haline getirir.
Kullanım
ImageNette veri kümesi üzerinde 224x224 standart görüntü boyutuyla 100 epok için bir model eğitmek için, aşağıdaki kod parçacıklarını kullanabilirsiniz. Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına bakın.
Eğitim Örneği
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
Örnek Görüntüler ve Açıklamalar
ImageNette veri seti, çeşitli nesnelerin ve sahnelerin renkli görüntülerini içerir ve görüntü sınıflandırma görevleri için çeşitli bir veri seti sağlar. İşte veri setinden bazı görüntü örnekleri:
Bu örnek, ImageNette veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını sergileyerek, güçlü görüntü sınıflandırma modelleri eğitmek için çeşitli bir veri kümesinin önemini vurgulamaktadır.
ImageNette160 ve ImageNette320
Daha hızlı prototip oluşturma ve eğitim için, ImageNette veri seti iki farklı boyutta da mevcuttur: ImageNette160 ve ImageNette320. Bu veri setleri, tam ImageNette veri setiyle aynı sınıfları ve yapıyı korur, ancak görüntüler daha küçük bir boyuta yeniden boyutlandırılır. Bu nedenle, bu veri seti sürümleri özellikle ön model testleri için veya hesaplama kaynakları sınırlı olduğunda kullanışlıdır.
Bu veri kümelerini kullanmak için, eğitim komutunda 'imagenette' yerine 'imagenette160' veya 'imagenette320' yazmanız yeterlidir. Aşağıdaki kod parçacıkları bunu göstermektedir:
ImageNette160 ile Eğitim Örneği
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 ile Eğitim Örneği
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
Veri kümesinin bu daha küçük versiyonları, geliştirme sürecinde hızlı yinelemelere olanak tanırken, aynı zamanda değerli ve gerçekçi görüntü sınıflandırma görevleri sağlar.
Alıntılar ve Teşekkürler
Araştırma veya geliştirme çalışmalarınızda ImageNette veri kümesini kullanırsanız, lütfen uygun şekilde belirtin. ImageNette veri kümesi hakkında daha fazla bilgi için ImageNette veri kümesi GitHub sayfasına bakın.
SSS
ImageNette veri seti nedir?
ImageNette veri kümesi, daha büyük ImageNet veri kümesinin basitleştirilmiş bir alt kümesidir ve sadece kadife balığı, English springer ve Fransız kornosu gibi kolayca ayırt edilebilen 10 sınıf içerir. Görüntü sınıflandırma modellerinin verimli bir şekilde eğitilmesi ve değerlendirilmesi için daha yönetilebilir bir veri kümesi sunmak amacıyla oluşturulmuştur. Bu veri kümesi, makine öğrenimi ve bilgisayar görüşünde hızlı yazılım geliştirme ve eğitim amaçları için özellikle kullanışlıdır.
Bir YOLO modelini eğitmek için ImageNette veri kümesini nasıl kullanabilirim?
ImageNette veri kümesi üzerinde 100 epok için bir YOLO modeli eğitmek için, aşağıdaki komutları kullanabilirsiniz. Ultralytics YOLO ortamının kurulu olduğundan emin olun.
Eğitim Örneği
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
Daha fazla ayrıntı için Eğitim dokümantasyon sayfasına bakın.
Görüntü sınıflandırma görevleri için neden ImageNette kullanmalıyım?
ImageNette veri seti çeşitli nedenlerle avantajlıdır:
- Hızlı ve Basit: Yalnızca 10 sınıf içerir, bu da onu daha büyük veri kümelerine kıyasla daha az karmaşık ve zaman alıcı hale getirir.
- Eğitim Amaçlı Kullanım: Daha az işlem gücü ve zaman gerektirdiğinden, görüntü sınıflandırmasının temellerini öğrenmek ve öğretmek için idealdir.
- Çok Yönlülük: Özellikle görüntü sınıflandırmasında çeşitli makine öğrenimi modellerini eğitmek ve kıyaslamak için yaygın olarak kullanılır.
Model eğitimi ve veri kümesi yönetimi hakkında daha fazla bilgi için Veri Kümesi Yapısı bölümünü inceleyin.
ImageNette veri kümesi farklı görüntü boyutlarıyla kullanılabilir mi?
Evet, ImageNette veri seti ayrıca iki yeniden boyutlandırılmış sürümde de mevcuttur: ImageNette160 ve ImageNette320. Bu sürümler, daha hızlı prototip oluşturmaya yardımcı olur ve özellikle hesaplama kaynakları sınırlı olduğunda kullanışlıdır.
ImageNette160 ile Eğitim Örneği
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
Daha fazla bilgi için ImageNette160 ve ImageNette320 ile Eğitim bölümüne bakın.
ImageNette veri kümesinin bazı pratik uygulamaları nelerdir?
ImageNette veri kümesi yaygın olarak şu alanlarda kullanılır:
- Eğitim Ortamları: Makine öğrenimi ve bilgisayarlı görüye yeni başlayanları eğitmek için.
- Yazılım Geliştirme: Görüntü sınıflandırma modellerinin hızlı prototiplenmesi ve geliştirilmesi için.
- Derin Öğrenme Araştırması: Çeşitli derin öğrenme modellerinin, özellikle Evrişimsel Sinir Ağları'nın (CNN'ler) performansını değerlendirmek ve kıyaslamak için.
Ayrıntılı kullanım örnekleri için Uygulamalar bölümünü inceleyin.
