Fashion-MNIST-Datensatz
Der Fashion-MNIST-Datensatz ist eine Datenbank von Zalando-Artikelbildern – bestehend aus einem Trainingssatz von 60.000 Beispielen und einem Testsatz von 10.000 Beispielen. Jedes Beispiel ist ein 28x28-Graustufenbild, das mit einem Label aus 10 Klassen assoziiert ist. Fashion-MNIST ist als direkter Ersatz für den ursprünglichen MNIST-Datensatz zum Benchmarking von Machine-Learning-Algorithmen gedacht.
Ansehen: Wie geht das Bildklassifizierung auf dem Fashion MNIST Datensatz mit Ultralytics YOLO11
Hauptmerkmale
- Fashion-MNIST enthält 60.000 Trainingsbilder und 10.000 Testbilder von Zalando-Artikelbildern.
- Der Datensatz besteht aus Graustufenbildern der Größe 28x28 Pixel.
- Jedes Pixel hat einen einzelnen Pixelwert, der die Helligkeit oder Dunkelheit dieses Pixels angibt, wobei höhere Zahlen dunkler bedeuten. Dieser Pixelwert ist eine ganze Zahl zwischen 0 und 255.
- Fashion-MNIST wird häufig für Training und Tests im Bereich des maschinellen Lernens eingesetzt, insbesondere für Bildklassifizierungsaufgaben.
Dataset-Struktur
Der Fashion-MNIST-Datensatz ist in zwei Untergruppen aufgeteilt:
- Trainingssatz: Diese Teilmenge enthält 60.000 Bilder, die für das Training von Machine-Learning-Modellen verwendet werden.
- Testdatensatz: Diese Teilmenge besteht aus 10.000 Bildern, die zum Testen und Benchmarking der trainierten Modelle verwendet werden.
Beschriftungen
Jedes Trainings- und Testbeispiel ist einer der folgenden Bezeichnungen zugeordnet:
0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot
Anwendungen
Der Fashion-MNIST-Datensatz wird häufig zum Trainieren und Evaluieren von Deep-Learning-Modellen in Bildklassifizierungsaufgaben eingesetzt, 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.
Nutzung
Um ein CNN-Modell auf dem Fashion-MNIST-Datensatz für 100 Epochen mit einer Bildgröße von 28x28 zu trainieren, können Sie die folgenden Code-Snippets verwenden. Eine umfassende Liste der verfügbaren Argumente finden Sie auf der Trainingsseite des Modells.
Trainingsbeispiel
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
sample_images und Anmerkungen
Der Fashion-MNIST-Datensatz enthält Graustufenbilder von Zalando-Artikelbildern und bietet einen gut strukturierten Datensatz für Bildklassifizierungsaufgaben. Hier sind einige Beispiele von Bildern aus dem Datensatz:
Das Beispiel veranschaulicht die Vielfalt und Komplexität der Bilder im Fashion-MNIST-Datensatz und unterstreicht die Bedeutung eines vielfältigen Datensatzes für das Training robuster Bildklassifizierungsmodelle.
Danksagungen
Wenn Sie den Fashion-MNIST-Datensatz in Ihrer Forschungs- oder Entwicklungsarbeit verwenden, anerkennen Sie den Datensatz bitte, indem Sie auf das GitHub-Repository verlinken. Dieser Datensatz wurde von Zalando Research zur Verfügung gestellt.
FAQ
Was 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-Artikelbildern, 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 modebezogene Klassen eingeteilt sind, wie z.B. T-Shirt/Top, Hose und Stiefelette.
Wie kann ich ein YOLO-Modell auf dem Fashion-MNIST-Datensatz trainieren?
Um ein Ultralytics YOLO-Modell auf dem Fashion-MNIST-Datensatz zu trainieren, können Sie sowohl Python- als auch CLI-Befehle verwenden. Hier ist ein kurzes Beispiel für den Einstieg:
Trainingsbeispiel
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
Weitere detaillierte Trainingsparameter finden Sie auf der Trainingsseite.
Warum 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 von Bildern, was ihn zu einer ausgezeichneten Wahl für das Benchmarking von Bildklassifizierungsmodellen macht. Die Struktur des Datensatzes, bestehend aus 60.000 Trainingsbildern und 10.000 Testbildern, die jeweils mit einer von 10 Klassen beschriftet sind, macht ihn ideal für die Bewertung der Leistung verschiedener Machine-Learning-Algorithmen in einem anspruchsvolleren Kontext.
Kann ich Ultralytics YOLO für Bildklassifizierungsaufgaben wie Fashion-MNIST verwenden?
Ja, dieYOLO Ultralytics können für Bildklassifizierungsaufgaben verwendet werden, auch für solche mit dem MNIST . YOLO11 zum Beispiel unterstützt verschiedene Bildverarbeitungsaufgaben wie Erkennung, Segmentierung und Klassifizierung. Um mit Bildklassifizierungsaufgaben zu beginnen, besuchen Sie die Seite Klassifizierung.
Welche Hauptmerkmale und Struktur weist der Fashion-MNIST-Datensatz auf?
Der Fashion-MNIST-Datensatz ist in zwei Hauptuntergruppen unterteilt: 60.000 Trainingsbilder und 10.000 Testbilder. Jedes Bild ist ein 28x28-Pixel-Graustufenbild, das eine von 10 modebezogenen Klassen darstellt. Die Einfachheit und das gut strukturierte Format machen ihn ideal für das Training und die Evaluierung von Modellen in Machine Learning- und Computer-Vision-Aufgaben. Weitere Details zur Datensatzstruktur finden Sie im Abschnitt „Datensatzstruktur“.
Wie kann ich die Verwendung des Fashion-MNIST-Datensatzes in meiner Forschung anerkennen?
Wenn Sie den Fashion-MNIST-Datensatz in Ihren Forschungs- oder Entwicklungsprojekten nutzen, ist es wichtig, ihn durch Verlinkung auf das GitHub-Repository anzuerkennen. Dies hilft, die Daten Zalando Research zuzuordnen, die den Datensatz zur öffentlichen Nutzung bereitgestellt haben.
