رؤية YOLO 2026:
MIT

مجموعة بيانات Fashion-MNIST#

مجموعة بيانات Fashion-MNIST هي مقياس مرجعي image classification يضم 70,000 صورة رمادية بحجم 28x28 لعناصر ملابس من شركة Zalando، مقسمة بالتساوي على 10 فئات — قميص/بلوزة، بنطلون، سترة، فستان، معطف، صندل، قميص رسمي، حذاء رياضي، حقيبة، وحذاء كاحل. تأتي مجموعة البيانات مع تقسيم مسبق يضم 60,000 صورة للتدريب و10,000 صورة للاختبار (7,000 لكل فئة) وتعمل كبديل مباشر لمجموعة بيانات MNIST الأصلية لتقييم خوارزميات machine learning. للاطلاع على المكافئ المكون من صور ملونة، راجع مجموعة بيانات CIFAR-10 ذات الصلة.

استكشف Fashion-MNIST on Ultralytics Platform لمعاينة العينات، وفحص إحصاءات مجموعة البيانات، واستنساخها لأغراض التدريب.



Watch: How to do Image Classification on Fashion-MNIST using Ultralytics YOLO

الميزات الرئيسية#

  • تحتوي Fashion-MNIST على 70,000 صورة رمادية بحجم 28x28 بكسل، مقسمة بالتساوي إلى 10 فئات.
  • تحتوي كل فئة على 7,000 صورة بالضبط — 6,000 للتدريب و1,000 للاختبار — لذا فإن مجموعة البيانات متوازنة تماماً.
  • تعد هذه المجموعة بديلاً مباشراً لـ MNIST: نفس حجم الصورة، التنسيق، وهيكل التقسيم، ولكن مع فئات ملابس أصعب بدلاً من الأرقام المكتوبة بخط اليد.
  • تأتي مجموعة البيانات مع تقسيم محدد مسبقاً للتدريب/الاختبار، لذا لا يلزم إجراء أي تقسيم يدوي أو تلقائي.
  • تعد Fashion-MNIST مقياساً مرجعياً قياسياً لأبحاث image classification وdeep learning.

هيكل مجموعة البيانات#

تأتي Fashion-MNIST مع تقسيم رسمي محدد مسبقاً، لذا لا حاجة لأي تقسيم تلقائي أو يدوي:

  • الفئات: 10 (تي شيرت/قميص، بنطال، سترة، فستان، معطف، صندل، قميص، حذاء رياضي، حقيبة، حذاء للكاحل)
  • إجمالي الصور: 70,000 (28x28 رمادية)
  • مجموعة التدريب: 60,000 صورة (6,000 لكل فئة)
  • مجموعة الاختبار: 10,000 صورة (1,000 لكل فئة)
مجموعة التحقق

لا تحتوي Fashion-MNIST على مجلد تحقق منفصل، لذا يستخدم Ultralytics مجموعة اختبار الصور الـ 10,000 كتقسيم للتحقق أثناء التدريب افتراضياً.

التطبيقات#

تُستخدم Fashion-MNIST على نطاق واسع لتدريب وتقييم نماذج image classification، بدءاً من Convolutional Neural Networks (CNNs) الكلاسيكية وSupport Vector Machines (SVMs) وصولاً إلى الهنى العميقة الحديثة. تجعلها صورها الرمادية الصغيرة وفئات الملابس ال10 مقياساً مرجعياً سريعاً وقابلاً للتكرار لمقارنة الخوارزميات وتجارب computer vision، مع كونها أكثر تحدياً من أرقام MNIST المكتوبة بخط اليد.

الاستخدام#

قم بتدريب نموذج YOLO على Fashion-MNIST لمدة 100 epochs بحجم صورة يبلغ 28. للحصول على القائمة الكاملة للمعاملات المتاحة، راجع صفحة Training ودليل مهمة image classification.

مثال على التدريب
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

صور وشروحات توضيحية عينة#

نماذج صور من مجموعة بيانات Fashion-MNIST:

Fashion-MNIST clothing classification dataset samples

تُظهر العينات تنوع فئات الملابس في مجموعة بيانات Fashion-MNIST، مما يؤكد قيمة مجموعة البيانات المتنوعة لتدريب نماذج تصنيف صور قوية.

الاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات Fashion-MNIST في عملك البحثي أو التطويري، يرجى الاستشهاد بالورقة العلمية التالية:

اقتباس
@article{xiao2017fashion,
         title={Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms},
         author={Han Xiao and Kashif Rasul and Roland Vollgraf},
         year={2017},
         eprint={1708.07747},
         archivePrefix={arXiv},
         primaryClass={cs.LG}
}

نود أن نشكر Zalando Research على إنشاء وصيانة مجموعة بيانات Fashion-MNIST كمورد قيم لمجتمع أبحاث machine learning وcomputer vision. لمزيد من المعلومات حول مجموعة بيانات Fashion-MNIST ومبدعيها، تفضل بزيارة Fashion-MNIST GitHub repository.

الأسئلة الشائعة#

  • مجموعة بيانات Fashion-MNIST هي مقياس مرجعي لـ 70,000 صورة رمادية بحجم 28x28 لعناصر ملابس من Zalando عبر 10 فئات، تم إنشاؤها كبديل مباشر لمجموعة بيانات MNIST الأصلية. تشترك مع MNIST في حجم الصورة، والتنسيق، وتقسيم التدريب/الاختبار 60,000/10,000 بدقة، ولكنها تستبدل الأرقام المكتوبة بخط اليد بفئات أزياء أكثر صعوبة — مثل القميص/البلوزة، والبنطلون، وحذاء الكاحل — مما يجعلها مقياساً مرجعياً أكثر تطلباً لنماذج image classification.

  • لتدريب نموذج Ultralytics YOLO على Fashion-MNIST، استخدم مقاطع البرمجة أدناه. يتم تنزيل مجموعة البيانات تلقائياً عند الاستخدام الأول. للحصول على قائمة كاملة للمعاملات، راجع صفحة Training الخاصة بالنموذج.

    مثال على التدريب
    from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

  • تحتوي Fashion-MNIST على 10 فئات — تي شيرت/قميص، بنطال، سترة، فستان، معطف، صندل، قميص، حذاء رياضي، حقيبة، وحذاء للكاحل — مع 7,000 صورة لكل فئة بالضبط، ليصبح المجموع 70,000 صورة. كل صورة عبارة عن صورة رمادية بحجم 28x28 لعنصر ملابس واحد من Zalando، والفئات متوازنة تماماً.

  • تأتي Fashion-MNIST مع تقسيم محدد مسبقاً يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، مع 6,000 صورة تدريب و1,000 صورة اختبار لكل فئة بالضبط. على عكس مجموعات بيانات التصنيف المعتمدة على المجلدات التي يقوم Ultralytics بتقسيمها تلقائياً، يُستخدم التقسيم الرسمي لـ Fashion-MNIST كما هو، وتعمل مجموعة الاختبار كتقسيم للتحقق أثناء التدريب افتراضياً.

  • نعم. تتيح لك Ultralytics Platform إدارة مجموعات البيانات، وتدريب نماذج image classification، ونشرها دون الحاجة إلى برمجة مكثفة. إنها طريقة ملائمة لتشغيل تجارب Fashion-MNIST في السحاب، ويمكنك استكشاف المزيد من الخيارات في classification datasets overview الخاص بنا.

المساهمون
GLglenn-jocher15RAraimbekovm3RIRizwanMunawar3MAMatthewNoyce1JKjk4e1

التعليقات