Link to this sectionمجموعة بيانات Fashion-MNIST#

مجموعة بيانات Fashion-MNIST هي معيار لـ تصنيف الصور يتكون من 70,000 صورة رمادية بحجم 28x28 لعناصر ملابس من Zalando، موزعة بالتساوي على 10 فئات — تي شيرت/قميص، بنطال، سترة، فستان، معطف، صندل، قميص، حذاء رياضي، حقيبة، وحذاء للكاحل. تأتي المجموعة مع تقسيم محدد مسبقاً يضم 60,000 صورة للتدريب و10,000 صورة للاختبار (7,000 لكل فئة) وتعمل كبديل مباشر لمجموعة بيانات MNIST الأصلية لاختبار خوارزميات تعلم الآلة. للحصول على المكافئ الملون للصور، راجع مجموعة بيانات CIFAR-10 ذات الصلة.

Link to this sectionالميزات 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.
• تعتبر Fashion-MNIST معياراً قياسياً لبحوث تصنيف الصور والتعلم العميق.

Link to this sectionهيكل 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)

Link to this sectionالتطبيقات#

تُستخدم Fashion-MNIST على نطاق واسع لتدريب وتقييم نماذج تصنيف الصور، بدءاً من الشبكات العصبية التلافيفية (CNNs) الكلاسيكية وآلات ناقلات الدعم (SVMs) وصولاً إلى البنى العميقة الحديثة. صورها الرمادية الصغيرة وفئات الملابس العشر تجعلها معياراً سريعاً وقابلاً للتكرار للمقارنة بين الخوارزميات وتجارب الرؤية الحاسوبية، مع كونها أكثر تحدياً من أرقام MNIST المكتوبة بخط اليد.

Link to this sectionالاستخدام#

قم بتدريب نموذج YOLO على Fashion-MNIST لـ 100 حقبة بحجم صورة 28. للحصول على القائمة الكاملة للوسائط المتاحة، راجع صفحة التدريب ودليل مهام تصنيف الصور.

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)

Link to this sectionصور وشروحات توضيحية عينة#

نماذج صور من مجموعة بيانات Fashion-MNIST:

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

Link to this sectionالاقتباسات والشكر#

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

@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 نعرب عن تقديرنا لـ Zalando Research لإنشاء وصيانة مجموعة بيانات Fashion-MNIST كمورد قيم لمجتمع بحوث تعلم الآلة والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات Fashion-MNIST ومنشئيها، تفضل بزيارة مستودع Fashion-MNIST على GitHub.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي مجموعة بيانات Fashion-MNIST وكيف تختلف عن MNIST؟#

مجموعة بيانات Fashion-MNIST هي معيار مكون من 70,000 صورة رمادية بحجم 28x28 لعناصر ملابس من Zalando موزعة على 10 فئات، تم إنشاؤها كبديل مباشر لمجموعة بيانات MNIST الأصلية. تشترك المجموعة مع MNIST في نفس حجم الصورة، التنسيق، وتقسيم التدريب/الاختبار البالغ 60,000/10,000، ولكنها تستبدل الأرقام المكتوبة بخط اليد بفئات أزياء أصعب — مثل التي شيرت/القميص، البنطال، وحذاء الكاحل — مما يجعلها معياراً أكثر تطلباً لنماذج تصنيف الصور.

Link to this sectionكيف يمكنني تدريب نموذج Ultralytics YOLO على مجموعة بيانات Fashion-MNIST؟#

لتدريب نموذج Ultralytics YOLO على Fashion-MNIST، استخدم مقتطفات الكود أدناه. يتم تنزيل مجموعة البيانات تلقائياً عند الاستخدام الأول. للحصول على قائمة كاملة بالوسائط، راجع صفحة تدريب النموذج.

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)

Link to this sectionكم عدد الفئات التي تحتوي عليها مجموعة بيانات Fashion-MNIST؟#

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.

Link to this sectionكيف يتم تقسيم مجموعة بيانات Fashion-MNIST إلى مجموعات تدريب واختبار؟#

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.

Link to this sectionهل يمكنني استخدام منصة Ultralytics لتدريب النماذج على مجموعة بيانات Fashion-MNIST؟#

نعم. تتيح لك منصة Ultralytics إدارة مجموعات البيانات، وتدريب نماذج تصنيف الصور، ونشرها دون الحاجة إلى برمجة مكثفة. إنها طريقة مريحة لتشغيل تجارب Fashion-MNIST في السحابة، ويمكنك استكشاف المزيد من الخيارات في نظرتنا العامة على مجموعات بيانات التصنيف.