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 einer von 10 Klassen zugeordnet ist. Fashion-MNIST ist als direkter Ersatz für den ursprünglichen MNIST-Datensatz zum Benchmarking von machine learning-Algorithmen gedacht.

Link to this sectionHauptmerkmale#

• Fashion-MNIST enthält 60.000 Trainingsbilder und 10.000 Testbilder von Zalando-Artikelbildern.
• Der Datensatz umfasst Graustufenbilder mit einer Größe von 28x28 Pixeln.
• Jedes Pixel ist mit einem einzelnen Pixelwert verknüpft, 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 für Training und Tests 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 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 z. B. 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 mit dem Fashion-MNIST-Datensatz für 100 epochs bei einer Bildgröße von 28x28 zu trainieren, kannst du die folgenden Code-Snippets verwenden. Eine vollständige Liste der verfügbaren Argumente findest du auf der Seite zum Modell 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 Zalando-Artikeln und bietet einen gut strukturierten Datensatz für Bildklassifizierungsaufgaben. Hier sind einige Beispiele für Bilder aus dem Datensatz:

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

Link to this sectionDanksagung#

Wenn du den Fashion-MNIST-Datensatz für deine Forschungs- oder Entwicklungsarbeit verwendest, gib den Datensatz bitte an, indem du auf das GitHub-Repository verlinkst. 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 Zalando-Artikeln, die als moderner Ersatz für den ursprünglichen MNIST-Datensatz gedacht ist. 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 z. B. T-Shirt/Top, Hose und Stiefelette.

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

Um ein Ultralytics YOLO-Modell mit 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)

Weitere Details zu den Trainingsparametern findest du auf der Trainingsseite.

Link to this sectionWarum sollte ich den Fashion-MNIST-Datensatz zum 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 und ist daher eine hervorragende Wahl für das Benchmarking von Bildklassifizierungsmodellen. Die Struktur des Datensatzes, bestehend aus 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 betreffen. YOLO26 unterstützt beispielsweise verschiedene Vision-Aufgaben wie Detektion, Instanzsegmentierung, semantic segmentation, Klassifizierung, Pose-Schätzung und orientierte Objekterkennung. Informationen zum Einstieg in Bildklassifizierungsaufgaben findest du auf der Klassifizierungsseite.

Link to this sectionWas sind die wichtigsten Merkmale 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 Aufgaben im Bereich Machine Learning und computer vision. Weitere Details zur Struktur des Datensatzes findest du im Abschnitt Datensatzstruktur.

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 auf das GitHub-Repository anzugeben. Dies hilft dabei, die Daten Zalando Research zuzuordnen, die den Datensatz für die öffentliche Nutzung zur Verfügung gestellt haben.