Fashion-MNIST-Datensatz#
Der Fashion-MNIST-Datensatz ist ein Benchmark für die Bildklassifizierung mit 70.000 Graustufenbildern von Kleidungsstücken von Zalando mit einer Auflösung von 28×28 Pixeln, die gleichmäßig auf 10 Klassen verteilt sind — T-Shirt/Oberteil, Hose, Pullover, Kleid, Mantel, Sandale, Hemd, Sneaker, Tasche und Stiefelette. Er enthält eine vordefinierte Aufteilung in 60.000 Trainings- und 10.000 Testbilder (7.000 pro Klasse) und dient als direkter Ersatz für den ursprünglichen MNIST-Datensatz zum Benchmarking von Algorithmen des maschinellen Lernens. Eine Alternative mit Farbbildern findest du im verwandten CIFAR-10-Datensatz.
Erkunde Fashion-MNIST auf der Ultralytics Platform, um Beispiele in der Vorschau anzuzeigen, Datensatzstatistiken zu prüfen und den Datensatz für das Training zu klonen.
Wichtige Funktionen#
- Fashion-MNIST enthält 70.000 Graustufenbilder mit einer Auflösung von 28×28 Pixeln, die gleichmäßig auf 10 Klassen verteilt sind.
- Jede Klasse enthält genau 7.000 Bilder — 6.000 zum Trainieren und 1.000 zum Testen —, sodass der Datensatz perfekt ausgewogen ist.
- Er ist ein direkter Ersatz für MNIST: identische Bildgröße, identisches Format und identische Aufteilungsstruktur, jedoch mit anspruchsvolleren Kleidungskategorien anstelle handgeschriebener Ziffern.
- Der Datensatz enthält eine vordefinierte Trainings-/Testaufteilung, sodass keine manuelle oder automatische Aufteilung erforderlich ist.
- Fashion-MNIST ist ein etablierter Benchmark für die Forschung zu Bildklassifizierung und Deep Learning.
Datensatzstruktur#
Fashion-MNIST enthält eine offizielle, vordefinierte Aufteilung, sodass keine automatische oder manuelle Partitionierung erforderlich ist:
- Klassen: 10 (T-Shirt/Oberteil, Hose, Pullover, Kleid, Mantel, Sandale, Hemd, Sneaker, Tasche, Stiefelette)
- Bilder insgesamt: 70.000 (28×28 Graustufen)
- Trainingsdatensatz: 60.000 Bilder (6.000 pro Klasse)
- Testdaten: 10.000 Bilder (1.000 pro Klasse)
Fashion-MNIST verfügt über keinen separaten Validierungsordner. Daher verwendet Ultralytics den Testdatensatz mit 10.000 Bildern standardmäßig als Validierungsaufteilung während des Trainings.
Anwendungen#
Fashion-MNIST wird häufig zum Trainieren und Bewerten von Modellen zur Bildklassifizierung verwendet — von klassischen Faltungsneuronalen Netzen (CNNs) und Support-Vektor-Maschinen (SVMs) bis hin zu modernen tiefen Architekturen. Die kleinen Graustufenbilder und 10 Kleidungskategorien machen den Datensatz zu einem schnellen, reproduzierbaren Benchmark für den Vergleich von Algorithmen und für Experimente mit Computer Vision, wobei er anspruchsvoller ist als die handgeschriebenen Ziffern von MNIST.
Verwendung#
Trainiere ein YOLO-Modell 100 Epochen lang mit Fashion-MNIST und einer Bildgröße von 28. Eine vollständige Liste der verfügbaren Argumente findest du auf der Seite Training und im Leitfaden zur Aufgabe Bildklassifizierung.
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)Beispielbilder und Annotationen#
Beispielbilder aus dem Fashion-MNIST-Datensatz:
Die Beispiele zeigen die Vielfalt der Kleidungskategorien im Fashion-MNIST-Datensatz und verdeutlichen den Wert eines vielfältigen Datensatzes für das Training robuster Modelle zur Bildklassifizierung.
Zitate und Danksagungen#
Wenn du den Fashion-MNIST-Datensatz für deine Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte das folgende Paper:
@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}
}Wir danken Zalando Research für die Erstellung und Pflege des Fashion-MNIST-Datensatzes als wertvolle Ressource für die Forschungscommunity im Bereich maschinelles Lernen und Computer Vision. Weitere Informationen zum Fashion-MNIST-Datensatz und seinen Urhebern findest du im Fashion-MNIST-GitHub-Repository.
FAQ#
Der Fashion-MNIST-Datensatz ist ein Benchmark mit 70.000 Graustufenbildern von Kleidungsstücken von Zalando mit einer Auflösung von 28×28 Pixeln, verteilt auf 10 Klassen, der als direkter Ersatz für den ursprünglichen MNIST-Datensatz entwickelt wurde. Er hat dieselbe Bildgröße, dasselbe Format und dieselbe Aufteilung in 60.000 Trainings- und 10.000 Testbilder wie MNIST, ersetzt jedoch handgeschriebene Ziffern durch anspruchsvollere Modekategorien — etwa T-Shirt/Oberteil, Hose und Stiefelette — und ist damit ein anspruchsvollerer Benchmark für Modelle zur Bildklassifizierung.
Um ein Ultralytics-YOLO-Modell mit Fashion-MNIST zu trainieren, verwende die folgenden Codeausschnitte. Der Datensatz wird bei der ersten Verwendung automatisch heruntergeladen. Eine vollständige Liste der Argumente findest du auf der Seite Training des Modells.
Trainingsbeispielfrom 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)Fashion-MNIST enthält 10 Klassen — T-Shirt/Oberteil, Hose, Pullover, Kleid, Mantel, Sandale, Hemd, Sneaker, Tasche und Stiefelette — mit jeweils genau 7.000 Bildern, also insgesamt 70.000 Bildern. Jedes Bild ist eine 28×28 große Graustufenaufnahme eines einzelnen Kleidungsstücks von Zalando, und die Klassen sind perfekt ausgewogen.
Fashion-MNIST enthält eine vordefinierte Aufteilung in 60.000 Trainingsbilder und 10.000 Testbilder, mit genau 6.000 Trainings- und 1.000 Testbildern pro Klasse. Anders als bei ordnerbasierten Klassifizierungsdatensätzen, die Ultralytics automatisch aufteilt, wird die offizielle Partition von Fashion-MNIST unverändert verwendet, und der Testdatensatz dient standardmäßig als Validierungsaufteilung während des Trainings.
Ja. Mit der Ultralytics Platform kannst du Datensätze verwalten, Modelle zur Bildklassifizierung trainieren und sie ohne umfangreiche Programmierkenntnisse bereitstellen. Sie bietet eine praktische Möglichkeit, Fashion-MNIST-Experimente in der Cloud auszuführen. Weitere Optionen findest du in unserer Übersicht über Klassifizierungsdatensätze.