Link to this sectionFashion-MNIST-Datensatz#

Der Fashion-MNIST-Datensatz ist eine Datenbank mit Artikelbildern von Zalando – bestehend aus einem Trainingsset von 60.000 Beispielen und einem Testset von 10.000 Beispielen. Jedes Beispiel ist ein 28x28 Graustufenbild, das mit einem Label aus 10 Klassen verknüpft ist. Fashion-MNIST soll als direkter Ersatz für den ursprünglichen MNIST-Datensatz zum Benchmarking von machine learning-Algorithmen dienen.

Link to this sectionHauptfunktionen#

• Fashion-MNIST enthält 60.000 Trainingsbilder und 10.000 Testbilder von Zalandos Artikelbildern.
• Der Datensatz umfasst Graustufenbilder mit einer Größe von 28x28 Pixeln.
• Jedes Pixel hat einen einzelnen Pixelwert, der die Helligkeit oder Dunkelheit dieses Pixels angibt, wobei höhere Zahlen für dunklere Werte stehen. Dieser Pixelwert ist eine Ganzzahl zwischen 0 und 255.
• Fashion-MNIST wird häufig zum Training und Testen im Bereich des maschinellen Lernens verwendet, insbesondere für Bildklassifizierungsaufgaben.

Link to this sectionDatensatzstruktur#

Der Fashion-MNIST-Datensatz ist in zwei Teilmengen unterteilt:

1. Trainingsset: Diese Teilmenge enthält 60.000 Bilder, die zum Trainieren von Machine-Learning-Modellen verwendet werden.
2. Testset: Diese Teilmenge besteht aus 10.000 Bildern, die zum Testen und zum Benchmarking der trainierten Modelle verwendet werden.

Link to this sectionLabels#

Jedes Trainings- und Testbeispiel ist einem der folgenden Labels zugeordnet:

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Link to this sectionAnwendungen#

Der Fashion-MNIST-Datensatz wird häufig zum Trainieren und Evaluieren von Deep-Learning-Modellen bei Bildklassifizierungsaufgaben verwendet, wie etwa Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs) und verschiedenen anderen Machine-Learning-Algorithmen. Das einfache und gut strukturierte Format des Datensatzes macht ihn zu einer unverzichtbaren Ressource für Forscher und Praktiker im Bereich des maschinellen Lernens und der Computer Vision.

Link to this sectionVerwendung#

Um ein CNN-Modell auf dem Fashion-MNIST-Datensatz für 100 epochs mit einer Bildgröße von 28x28 zu trainieren, kannst du die folgenden Code-Snippets verwenden. Eine umfassende Liste der verfügbaren Argumente findest du auf der Seite Training.

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 sectionBeispielbilder und Annotationen#

Der Fashion-MNIST-Datensatz enthält Graustufenbilder von Zalandos Artikelbildern und bietet einen gut strukturierten Datensatz für Bildklassifizierungsaufgaben. Hier sind einige Beispiele von Bildern aus dem Datensatz:

Das Beispiel zeigt die Vielfalt und Komplexität der Bilder im Fashion-MNIST-Datensatz und unterstreicht die Bedeutung eines vielfältigen Datensatzes für das Training robuster Bildklassifizierungsmodelle.

Link to this sectionDanksagungen#

Wenn du den Fashion-MNIST-Datensatz in deiner Forschungs- oder Entwicklungsarbeit verwendest, bitte erkenne den Datensatz durch einen Link zum GitHub repository an. Dieser Datensatz wurde von Zalando Research zur Verfügung gestellt.

Link to this sectionFAQ#

Link to this sectionWas ist der Fashion-MNIST-Datensatz und wie unterscheidet er sich von MNIST?#

Der Fashion-MNIST-Datensatz ist eine Sammlung von 70.000 Graustufenbildern von Zalandos Artikelbildern und ist als moderner Ersatz für den ursprünglichen MNIST-Datensatz gedacht. Er dient als Benchmark für Machine-Learning-Modelle im Kontext von Bildklassifizierungsaufgaben. Im Gegensatz zu MNIST, das handgeschriebene Ziffern enthält, besteht Fashion-MNIST aus 28x28-Pixel-Bildern, die in 10 moderelevante Klassen unterteilt sind, wie T-Shirt/Top, Hose und Stiefelette.

Link to this sectionWie kann ich ein YOLO-Modell auf dem Fashion-MNIST-Datensatz trainieren?#

Um ein Ultralytics YOLO-Modell auf dem Fashion-MNIST-Datensatz zu trainieren, kannst du sowohl Python als auch CLI-Befehle verwenden. Hier ist ein kurzes Beispiel für den Einstieg:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n-cls.pt")

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

Für detailliertere Trainingsparameter siehe die Training page.

Link to this sectionWarum sollte ich den Fashion-MNIST-Datensatz für das Benchmarking meiner Machine-Learning-Modelle verwenden?#

Der Fashion-MNIST-Datensatz ist in der deep learning-Community weithin als robuste Alternative zu MNIST anerkannt. Er bietet einen komplexeren und vielfältigeren Satz an Bildern, was ihn zu einer ausgezeichneten Wahl für das Benchmarking von Bildklassifizierungsmodellen macht. Die Struktur des Datensatzes mit 60.000 Trainingsbildern und 10.000 Testbildern, die jeweils einer von 10 Klassen zugeordnet sind, macht ihn ideal für die Bewertung der Leistung verschiedener Machine-Learning-Algorithmen in einem anspruchsvolleren Kontext.

Link to this sectionKann ich Ultralytics YOLO für Bildklassifizierungsaufgaben wie Fashion-MNIST verwenden?#

Ja, Ultralytics YOLO-Modelle können für Bildklassifizierungsaufgaben verwendet werden, einschließlich solcher, die den Fashion-MNIST-Datensatz einbeziehen. YOLO26 unterstützt beispielsweise verschiedene Vision-Aufgaben wie Detektion, Instanzsegmentierung, semantic segmentation, Klassifizierung, Pose-Schätzung und orientierte Objektdetektion. Um mit Bildklassifizierungsaufgaben zu beginnen, siehe die Classification page.

Link to this sectionWas sind die Hauptmerkmale und die Struktur des Fashion-MNIST-Datensatzes?#

Der Fashion-MNIST-Datensatz ist in zwei Hauptteilmengen unterteilt: 60.000 Trainingsbilder und 10.000 Testbilder. Jedes Bild ist ein 28x28-Pixel-Graustufenbild, das eine von 10 moderelevanten Klassen darstellt. Die Einfachheit und das gut strukturierte Format machen ihn ideal für das Training und die Evaluierung von Modellen bei Machine-Learning- und computer vision-Aufgaben. Weitere Details zur Struktur des Datensatzes findest du im Abschnitt Dataset Structure.

Link to this sectionWie kann ich die Verwendung des Fashion-MNIST-Datensatzes in meiner Forschung angeben?#

Wenn du den Fashion-MNIST-Datensatz in deinen Forschungs- oder Entwicklungsprojekten nutzt, ist es wichtig, dies durch einen Link zum GitHub repository anzuerkennen. Dies hilft dabei, die Daten Zalando Research zuzuschreiben, die den Datensatz für die öffentliche Nutzung bereitgestellt haben.