MobileNetV2 사전 학습 데이터셋(ImageNet) 위치와 다운로드 가이드

결론
MobileNetV2는 1,000 종(사실상1,001 종*)으로 구성된 ImageNet-1k(ILSVRC 2012) 이미지 140 만여 장을 이용해 사전-학습됐다123.
이 이미지들은 공식 ImageNet 사이트, Kaggle 미러, 학술 토렌트 등에서 내려받을 수 있으며, 전체 용량은 대략 **145 GB(학습 138 GB + 검증 6.3 GB)**다45.

*TensorFlow·Hugging Face 모델은 추가 “background” 클래스를 포함해 1,001 출력 노드를 사용한다23.

1. ImageNet-1k 개요

항목	내용
클래스 수	1,000 (일부 구현 1,001)23
학습 이미지	1,281,167 장1
검증 이미지	50,000 장1
테스트 이미지	100,000 장(라벨 미공개)1
총 용량	약 145 GB (train 138 GB, val 6.3 GB)4
라이선스	연구·교육 목적 비상업적 사용만 허용, 회원가입 필요5

2. 이미지 다운로드 경로

경로	특징	인증/로그인	비고
공식 ImageNet (image-net.org)	원본 tar 파일 제공, 최신5	필요	회원 승인까지 1 ~ 2일
Google Cloud TPU 가이드	GCP VM에서 자동 스크립트 제공, 원본 구조 유지1	GCP 계정	빠른 다운로드
Kaggle ① “imagenet-1k” 셋 ② “ImageNet 256×256” 전처리 버전6	Kaggle CLI로 바로 다운로드, 일부는 해상도 256×256로 리사이즈	Kaggle 계정	손쉬운 사용, 원본 대비 가벼움
Academic Torrents / GitHub 스크립트47	토렌트·스크립트로 병렬 압축 해제	불필요	속도 빠름, 완전 공개

예시: Linux/WSL에서 공식 파일 받기

bash# 학습·검증 세트 다운로드
wget http://www.image-net.org/.../ILSVRC2012_img_train.tar
wget http://www.image-net.org/.../ILSVRC2012_img_val.tar

# 학습 세트 압축 해제 후 클래스별 폴더 정리
mkdir train && mv ILSVRC2012_img_train.tar train/ && cd train
tar -xf ILSVRC2012_img_train.tar
find . -name '*.tar' -exec sh -c 'mkdir -p "${1%.tar}" && tar -xf "$1" -C "${1%.tar}" && rm "$1"' _ {} \;

3. 이미지만 필요한가? 빠른 대안

1. 사전 학습 가중치만 활용
   이미지를 직접 받지 않아도 torchvision.models.mobilenet_v2(weights="IMAGENET1K_V1") 또는 Hugging Face의 google/mobilenet_v2_* 체크포인트로 바로 추론·전이학습이 가능하다839.
2. 경량 샘플 또는 부분 데이터
   • Kaggle 256×256 전처리본(540k 장)6
   • Fake ImageNet(Cloud TPU 가이드에 포함)으로 코드 테스트만 수행1

4. 다운로드 후 폴더 구조

textimagenet/
 ├── train/
 │   ├── n01440764/ ... (1,000개 클래스 폴더)
 └── val/
     ├── n01440764/

검증 세트는 스크립트 valprep.sh를 실행해 클래스별로 재정렬해야 Loader가 인식한다4.

5. 주의 사항 및 팁

• 저장 공간 — 압축 해제 시 300 GB 이상 여유 필요1.
• SSD 권장 — I/O 병목을 줄여 학습 속도 개선7.
• 라이선스 준수 — 상업적 사용 금지, 연구·교육 목적만 허용5.
• 이미지 해상도 — MobileNetV2는 32×32 이상이면 동작하지만, 224×224 이미지로 사전 학습되었으므로 동일 해상도 입력이 가장 안정적9.

요약 체크리스트

1. 사전 학습 이미지: ImageNet-1k (1,000 클래스, 1.2 M 장)1.
2. 다운로드 위치: 공식 사이트·Kaggle·토렌트 등 다양456.
3. 필수 준비: 회원가입·공간 300 GB·SSD·스크립트로 압축 해제.
4. 빠른 시작: 이미지는 생략하고 공개 가중치로 즉시 전이학습도 가능39.

MobileNetV2의 성능·전이학습 실험을 위해서는 공개 가중치 → 소규모 커스텀 데이터 → 단계적 fine-tuning 순으로 접근하면 데이터 준비 시간을 크게 줄일 수 있다.

1. https://cloud.google.com/tpu/docs/imagenet-setup
2. https://huggingface.co/docs/transformers/en/model_doc/mobilenet_v2
3. https://huggingface.co/google/mobilenet_v2_1.4_224
4. https://seongkyun.github.io/others/2019/03/06/imagenet_dn/
5. https://www.image-net.org/download.php
6. https://www.kaggle.com/datasets/dimensi0n/imagenet-256
7. https://on-ai.tistory.com/8
8. https://github.com/d-li14/mobilenetv2.pytorch
9. https://keras.io/api/applications/mobilenet/
10. https://github.com/JonathanCMitchell/mobilenet_v2_keras/blob/master/mobilenetv2.py
11. https://ech97.tistory.com/entry/MobileNetV2
12. https://www.kaggle.com/code/mgiraygokirmak/mobilenetv2
13. https://paperswithcode.com/sota/image-classification-on-imagenet
14. https://kau-deeperent.tistory.com/59
15. https://github.com/developer0hye/Setup-for-Imagenet
16. https://github.com/EhabR98/Transfer-Learning-with-MobileNetV2
17. https://way24.tistory.com/31
18. https://littlefoxdiary.tistory.com/86
19. https://blog.roboflow.com/how-to-train-mobilenetv2-on-a-custom-dataset/
20. https://image-net.org/download-images