تخطي إلى المحتوى

مجموعة بيانات Fashion-MNIST Dataset

مجموعة بيانات Fashion-MNIST عبارة عن قاعدة بيانات لصور مقالات زالاندو - تتألف من مجموعة تدريب مكونة من 60,000 مثال ومجموعة اختبار مكونة من 10,000 مثال. كل مثال عبارة عن صورة ذات تدرج رمادي 28x28، مرتبطة بتسمية من 10 فئات. يهدف Fashion-MNIST إلى أن يكون بمثابة بديل مباشر لمجموعة بيانات MNIST الأصلية لقياس خوارزميات التعلم الآلي.



شاهد: كيفية القيام بذلك تصنيف الصور على مجموعة بيانات MNIST للأزياء باستخدام Ultralytics YOLO11

الميزات الرئيسية

  • يحتوي برنامج Fashion-MNIST على 60,000 صورة تدريبية و10,000 صورة اختبارية لصور مقالات Zalando.
  • تتألف مجموعة البيانات من صور بتدرج الرمادي بحجم 28 × 28 بكسل.
  • يحتوي كل بكسل على قيمة بكسل واحدة مرتبطة به تشير إلى درجة إضاءة أو قتامة ذلك البكسل، حيث أن الأرقام الأعلى تعني أكثر قتامة. قيمة البكسل هذه هي عدد صحيح يتراوح بين 0 و255.
  • يُستخدم Fashion-MNIST على نطاق واسع للتدريب والاختبار في مجال التعلّم الآلي، خاصةً في مهام تصنيف الصور.

هيكلية مجموعة البيانات

تنقسم مجموعة بيانات Fashion-MNIST إلى مجموعتين فرعيتين:

  1. مجموعة التدريب: تحتوي هذه المجموعة الفرعية على 60,000 صورة تُستخدم لتدريب نماذج التعلم الآلي.
  2. مجموعة الاختبار: تتألف هذه المجموعة الفرعية من 10,000 صورة تُستخدم لاختبار النماذج المدرّبة وقياسها.

الملصقات

يتم تعيين كل مثال تدريب واختبار إلى أحد التسميات التالية:

  1. تي شيرت/قميص تي شيرت
  2. بنطلون
  3. كنزة صوفية
  4. الفستان
  5. معطف
  6. صندل
  7. القميص
  8. حذاء رياضي
  9. الحقيبة
  10. حذاء الكاحل

التطبيقات

تُستخدم مجموعة بيانات Fashion-MNIST على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs) وآلات دعم المتجهات (SVMs) وخوارزميات التعلم الآلي الأخرى المختلفة. إن تنسيق مجموعة البيانات البسيط والمنظم بشكل جيد يجعلها موردًا أساسيًا للباحثين والممارسين في مجال التعلم الآلي والرؤية الحاسوبية.

الاستخدام

لتدريب نموذج CNN على مجموعة بيانات Fashion-MNIST لـ 100 حلقة تدريبية بحجم صورة 28x28، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

مثال على القطار

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="fashion-mnist", epochs=100, imgsz=28)

# Start training from a pretrained *.pt model
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28

عينة من الصور والتعليقات التوضيحية

تحتوي مجموعة بيانات Fashion-MNIST على صور بتدرج الرمادي لصور مقالات Zalando، مما يوفر مجموعة بيانات جيدة التنظيم لمهام تصنيف الصور. فيما يلي بعض الأمثلة لصور من مجموعة البيانات:

صورة عينة مجموعة البيانات

يعرض هذا المثال تنوع الصور وتعقيدها في مجموعة بيانات Fashion-MNIST، مما يسلط الضوء على أهمية وجود مجموعة بيانات متنوعة لتدريب نماذج تصنيف الصور القوية.

شكر وتقدير

إذا كنت تستخدم مجموعة بيانات Fashion-MNIST في عملك البحثي أو التطويري، يُرجى الإقرار بمجموعة البيانات من خلال الارتباط بمستودع GitHub. تم توفير مجموعة البيانات هذه بواسطة Zalando Research.

الأسئلة الشائعة

ما هي مجموعة بيانات Fashion-MNIST وكيف تختلف عن MNIST؟

مجموعة بيانات Fashion-MNIST عبارة عن مجموعة من 70,000 صورة بتدرج الرمادي لصور مقالات Zalando، وهي عبارة عن مجموعة بيانات حديثة بديلة لمجموعة بيانات MNIST الأصلية. وهي بمثابة معيار لنماذج التعلم الآلي في سياق مهام تصنيف الصور. على عكس MNIST، الذي يحتوي على أرقام مكتوبة بخط اليد، تتكون Fashion-MNIST من صور 28 × 28 بكسل مصنفة إلى 10 فئات متعلقة بالموضة، مثل القميص/القميص، والبنطلون، وحذاء الكاحل.

كيف يمكنني تدريب نموذج YOLO على مجموعة بيانات Fashion-MNIST؟

لتدريب نموذج Ultralytics YOLO على مجموعة بيانات Fashion-MNIST، يمكنك استخدام الأمرين Python و CLI . إليك مثال سريع لتبدأ به:

مثال على القطار

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo11n-cls.pt")

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

yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28

لمزيد من التفاصيل حول معايير التدريب، راجع صفحة التدريب.

لماذا يجب أن أستخدم مجموعة بيانات Fashion-MNIST لقياس نماذج التعلم الآلي الخاصة بي؟

مجموعة بيانات Fashion-MNIST معترف بها على نطاق واسع في مجتمع التعلّم العميق كبديل قوي ل MNIST. فهي تقدم مجموعة صور أكثر تعقيداً وتنوعاً مما يجعلها خياراً ممتازاً لقياس نماذج تصنيف الصور. إن بنية مجموعة البيانات، التي تتألف من 60,000 صورة تدريب و10,000 صورة اختبار، كل منها مصنفة بواحدة من 10 فئات، تجعلها مثالية لتقييم أداء خوارزميات التعلم الآلي المختلفة في سياق أكثر تحديًا.

هل يمكنني استخدام Ultralytics YOLO لمهام تصنيف الصور مثل Fashion-MNIST؟

نعم، يمكن استخدام نماذج Ultralytics YOLO في مهام تصنيف الصور، بما في ذلك تلك التي تتضمن مجموعة بيانات Fashion-MNIST. YOLO11 على سبيل المثال، يدعم العديد من مهام الرؤية المختلفة مثل الكشف والتجزئة والتصنيف. للبدء في مهام تصنيف الصور، راجع صفحة التصنيف.

ما هي السمات الرئيسية وهيكل مجموعة بيانات Fashion-MNIST؟

تنقسم مجموعة بيانات Fashion-MNIST إلى مجموعتين فرعيتين رئيسيتين: 60,000 صورة تدريبية و10,000 صورة اختبارية. كل صورة هي عبارة عن صورة بتدرج رمادي 28 × 28 بكسل تمثل واحدة من 10 فئات متعلقة بالموضة. إن بساطة هذه المجموعة وتنسيقها المنظم بشكل جيد يجعلها مثالية لتدريب وتقييم النماذج في مهام التعلم الآلي والرؤية الحاسوبية. لمزيد من التفاصيل حول بنية مجموعة البيانات، راجع قسم بنية مجموعة البيانات.

كيف يمكنني الإقرار باستخدام مجموعة بيانات Fashion-MNIST في بحثي؟

إذا كنت تستخدم مجموعة بيانات Fashion-MNIST في مشاريع البحث أو التطوير الخاصة بك، فمن المهم أن تعترف بها من خلال الارتباط بمستودع GitHub. يساعد ذلك في عزو البيانات إلى Zalando Research، الذي أتاح مجموعة البيانات للاستخدام العام.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 2 شهر
ألترالتيكسيستانتست غلين-جوتشر ماثيو نويس رضوان منور ج ك 4 هـ

التعليقات