Ultralytics YOLO27:
MIT

مجموعة بيانات Fashion-MNIST#

تُعد مجموعة بيانات Fashion-MNIST معيارًا مرجعيًا لـتصنيف الصور، وتتكون من 70,000 صورة بتدرجات الرمادي بحجم 28x28 لعناصر ملابس من Zalando، موزعة بالتساوي على 10 فئات — قميص قصير/جزء علوي، بنطال، سترة، فستان، معطف، صندل، قميص، حذاء رياضي، حقيبة، وحذاء يصل إلى الكاحل. تأتي المجموعة مقسمة مسبقًا إلى 60,000 صورة للتدريب و10,000 صورة للاختبار (7,000 صورة لكل فئة)، وتُستخدم كبديل مباشر لمجموعة بيانات MNIST الأصلية لقياس أداء خوارزميات التعلم الآلي. وللحصول على نظير الصور الملونة، راجع مجموعة بيانات CIFAR-10 ذات الصلة.

استكشف Fashion-MNIST على منصة Ultralytics لمعاينة العينات، وفحص إحصاءات مجموعة البيانات، واستنساخها للتدريب.



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

الميزات الرئيسية#

  • تحتوي Fashion-MNIST على 70,000 صورة بتدرجات الرمادي، تبلغ أبعاد كل منها 28x28 بكسل، ومقسمة بالتساوي إلى 10 فئات.
  • تضم كل فئة 7,000 صورة بالضبط — 6,000 صورة للتدريب و1,000 صورة للاختبار — ولذلك فإن مجموعة البيانات متوازنة تمامًا.
  • إنها بديل مباشر لـ MNIST: لها حجم الصور وتنسيقها وبنية تقسيمها نفسها، لكنها تتضمن فئات ملابس أكثر صعوبة بدلًا من الأرقام المكتوبة بخط اليد.
  • تأتي مجموعة البيانات مقسّمة مسبقًا إلى التدريب والاختبار، ولذلك لا حاجة إلى إجراء تقسيم يدوي أو تلقائي.
  • تُستخدم Fashion-MNIST معيارًا مرجعيًا شائعًا لأبحاث تصنيف الصور والتعلم العميق.

بنية مجموعة البيانات#

تأتي Fashion-MNIST مع تقسيم رسمي ومحدد مسبقًا، ولذلك لا حاجة إلى التقسيم التلقائي أو اليدوي:

  • الفئات: 10 (قميص قصير/جزء علوي، بنطال، سترة، فستان، معطف، صندل، قميص، حذاء رياضي، حقيبة، حذاء يصل إلى الكاحل)
  • إجمالي الصور: 70,000 (28x28 بتدرجات الرمادي)
  • مجموعة التدريب: 60,000 صورة (6,000 لكل فئة)
  • مجموعة الاختبار: 10,000 صورة (1,000 لكل فئة)
تقسيم التحقق

لا تحتوي Fashion-MNIST على مجلد تحقق منفصل، ولذلك تستخدم Ultralytics مجموعة الاختبار المكونة من 10,000 صورة بوصفها تقسيم التحقق أثناء التدريب افتراضيًا.

التطبيقات#

تُستخدم Fashion-MNIST على نطاق واسع لتدريب نماذج تصنيف الصور وتقييمها، بدءًا من الشبكات العصبية الالتفافية (CNNs) وآلات المتجهات الداعمة (SVMs) التقليدية ووصولًا إلى البنى العميقة الحديثة. وتجعل صورها الصغيرة ذات التدرجات الرمادية وفئات الملابس العشر منها معيارًا مرجعيًا سريعًا وقابلًا لإعادة الإنتاج لمقارنة الخوارزميات وتجارب الرؤية الحاسوبية، مع كونها أكثر تحديًا من الأرقام المكتوبة بخط اليد في MNIST.

الاستخدام#

درّب نموذج YOLO على Fashion-MNIST لمدة 100 حقبة وبحجم صور قدره 28. للحصول على القائمة الكاملة للوسائط المتاحة، راجع صفحة التدريب ودليل مهمة تصنيف الصور.

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)

الصور والتعليقات التوضيحية النموذجية#

صور نموذجية من مجموعة بيانات Fashion-MNIST:

عينات من مجموعة بيانات تصنيف الملابس Fashion-MNIST

تُظهر العينات تنوع فئات الملابس في مجموعة بيانات Fashion-MNIST، مما يبرز قيمة مجموعة البيانات المتنوعة لتدريب نماذج قوية لتصنيف الصور.

الاقتباسات والشكر والتقدير#

إذا استخدمت مجموعة بيانات Fashion-MNIST في بحثك أو عملك التطويري، فيُرجى الاستشهاد بالورقة 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 نتوجه بالشكر إلى Zalando Research لإنشاء مجموعة بيانات Fashion-MNIST وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات Fashion-MNIST ومنشئيها، تفضل بزيارة مستودع Fashion-MNIST على GitHub.

الأسئلة الشائعة#

  • تُعد مجموعة بيانات Fashion-MNIST معيارًا مرجعيًا يتكون من 70,000 صورة بتدرجات الرمادي بحجم 28x28 لعناصر ملابس من Zalando موزعة على 10 فئات، وقد أُنشئت كبديل مباشر لمجموعة بيانات MNIST الأصلية. وهي تشترك مع MNIST في حجم الصور وتنسيقها وتقسيم التدريب/الاختبار بنسبة 60,000/10,000، لكنها تستبدل الأرقام المكتوبة بخط اليد بفئات أزياء أكثر صعوبة — مثل القميص القصير/الجزء العلوي، والبنطال، والحذاء الذي يصل إلى الكاحل — مما يجعلها معيارًا مرجعيًا أكثر تطلبًا لنماذج تصنيف الصور.

  • لتدريب نموذج Ultralytics YOLO على Fashion-MNIST، استخدم مقتطفات التعليمات البرمجية أدناه. تُنزّل مجموعة البيانات تلقائيًا عند استخدامها للمرة الأولى. للحصول على القائمة الكاملة للوسائط، راجع صفحة التدريب 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 — قميص قصير/جزء علوي، بنطال، سترة، فستان، معطف، صندل، قميص، حذاء رياضي، حقيبة، وحذاء يصل إلى الكاحل — وبواقع 7,000 صورة بالضبط لكل فئة، أي 70,000 صورة إجمالًا. وكل صورة عبارة عن صورة بتدرجات الرمادي بحجم 28x28 لعنصر ملابس واحد من Zalando، والفئات متوازنة تمامًا.

  • تأتي Fashion-MNIST مقسمة مسبقًا إلى 60,000 صورة للتدريب و10,000 صورة للاختبار، مع 6,000 صورة تدريب و1,000 صورة اختبار بالضبط لكل فئة. وعلى خلاف مجموعات بيانات التصنيف القائمة على المجلدات التي تقسمها Ultralytics تلقائيًا، يُستخدم التقسيم الرسمي لـ Fashion-MNIST كما هو، وتُستخدم مجموعة الاختبار بوصفها تقسيم التحقق أثناء التدريب افتراضيًا.

  • نعم. تتيح لك منصة Ultralytics إدارة مجموعات البيانات، وتدريب نماذج تصنيف الصور، ونشرها من دون الحاجة إلى كتابة تعليمات برمجية مكثفة. وهي طريقة ملائمة لإجراء تجارب Fashion-MNIST في السحابة، ويمكنك استكشاف مزيد من الخيارات في نظرة عامة على مجموعات بيانات التصنيف.

المساهمون
GLglenn-jocher15RAraimbekovm3RIRizwanMunawar3MAMatthewNoyce1JKjk4e1

التعليقات