Link to this sectionFashion-MNIST-Datensatz#

Das Fashion-MNIST-Dataset ist ein Bildklassifizierungs-Benchmark mit 70.000 28x28 Graustufenbildern von Zalandos Kleidungsartikeln, gleichmäßig aufgeteilt auf 10 Klassen: T-Shirt/Top, Hose, Pullover, Kleid, Mantel, Sandale, Hemd, Sneaker, Tasche und Stiefelette. Es wird mit einer vordefinierten Aufteilung von 60.000 Trainings- und 10.000 Testbildern (7.000 pro Klasse) ausgeliefert und dient als direkter Ersatz für das ursprüngliche MNIST-Dataset zum Benchmarking von Machine Learning-Algorithmen. Für das Äquivalent in Farbe siehe das zugehörige CIFAR-10-Dataset.

Link to this sectionHauptfunktionen#

• Fashion-MNIST enthält 70.000 Graustufenbilder mit 28x28 Pixeln, gleichmäßig unterteilt in 10 Klassen.
• Jede Klasse enthält genau 7.000 Bilder – 6.000 für das Training und 1.000 für das Testen –, sodass das Dataset perfekt ausbalanciert ist.
• Es ist ein direkter Ersatz für MNIST: identische Bildgröße, gleiches Format und gleiche Split-Struktur, jedoch mit schwierigeren Kleidungskategorien anstelle von handgeschriebenen Ziffern.
• Das Dataset wird mit einer vordefinierten Train/Test-Aufteilung geliefert, sodass keine manuelle oder automatische Aufteilung erforderlich ist.
• Fashion-MNIST ist ein Standard-Benchmark für die Forschung in den Bereichen Bildklassifizierung und Deep Learning.

Link to this sectionDatensatzstruktur#

Fashion-MNIST wird mit einem offiziellen, vordefinierten Split geliefert, daher ist keine automatische oder manuelle Partitionierung erforderlich:

• Klassen: 10 (T-Shirt/Top, Hose, Pullover, Kleid, Mantel, Sandale, Hemd, Sneaker, Tasche, Stiefelette)
• Gesamtanzahl Bilder: 70.000 (28x28 Graustufen)
• Trainingsset: 60.000 Bilder (6.000 pro Klasse)
• Testset: 10.000 Bilder (1.000 pro Klasse)

Link to this sectionAnwendungen#

Fashion-MNIST wird häufig verwendet, um Bildklassifizierungs-Modelle zu trainieren und zu bewerten, von klassischen Convolutional Neural Networks (CNNs) und Support Vector Machines (SVMs) bis hin zu modernen Deep-Learning-Architekturen. Die kleinen Graustufenbilder und die 10 Bekleidungskategorien machen es zu einem schnellen, reproduzierbaren Benchmark für Algorithmenvergleiche und Experimente im Bereich Computer Vision, während es anspruchsvoller ist als die handgeschriebenen Ziffern von MNIST.

Link to this sectionVerwendung#

Trainiere ein YOLO Modell auf Fashion-MNIST für 100 Epochen bei einer Bildgröße von 28. Die vollständige Liste der verfügbaren Argumente findest du auf der Training-Seite und im Leitfaden zur 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)

Link to this sectionBeispielbilder und Annotationen#

Beispielbilder aus dem Fashion-MNIST-Dataset:

Die Beispiele zeigen die Vielfalt der Kleidungskategorien im Fashion-MNIST-Dataset und unterstreichen den Wert eines abwechslungsreichen Datasets für das Training robuster Bildklassifizierungsmodelle.

Link to this sectionZitate und Danksagungen#

Wenn du das Fashion-MNIST-Dataset für deine Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte das folgende Papier:

@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 möchten Zalando Research dafür danken, dass sie das Fashion-MNIST-Dataset als wertvolle Ressource für die Machine Learning- und Computer Vision-Forschungsgemeinschaft erstellt und gepflegt haben. Weitere Informationen über das Fashion-MNIST-Dataset und seine Ersteller findest du im Fashion-MNIST GitHub-Repository.

Link to this sectionFAQ#

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

Das Fashion-MNIST-Dataset ist ein Benchmark von 70.000 28x28 Graustufenbildern von Zalandos Kleidungsartikeln in 10 Klassen, das als direkter Ersatz für das ursprüngliche MNIST-Dataset erstellt wurde. Es teilt sich mit MNIST die exakte Bildgröße, das Format und die 60.000/10.000 Trainings-/Test-Aufteilung, ersetzt jedoch handgeschriebene Ziffern durch schwierigere Modekategorien – wie T-Shirt/Top, Hose und Stiefelette –, was es zu einem anspruchsvolleren Benchmark für Bildklassifizierungs-Modelle macht.

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

Um ein Ultralytics YOLO-Modell auf Fashion-MNIST zu trainieren, verwende die untenstehenden Code-Snippets. Das Dataset wird bei der ersten Verwendung automatisch heruntergeladen. Eine vollständige Liste der Argumente findest du auf der Modell-Training-Seite.

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 sectionWie viele Klassen hat das Fashion-MNIST-Dataset?#

Fashion-MNIST hat 10 Klassen – T-Shirt/Top, Hose, Pullover, Kleid, Mantel, Sandale, Hemd, Sneaker, Tasche und Stiefelette – mit jeweils genau 7.000 Bildern, was insgesamt 70.000 Bilder ergibt. Jedes Bild ist ein 28x28 Graustufenbild eines einzelnen Zalando-Kleidungsartikels, und die Klassen sind perfekt ausbalanciert.

Link to this sectionWie ist das Fashion-MNIST-Dataset in Trainings- und Testsets aufgeteilt?#

Fashion-MNIST wird mit einer vordefinierten Aufteilung von 60.000 Trainingsbildern und 10.000 Testbildern ausgeliefert, mit genau 6.000 Trainings- und 1.000 Testbildern pro Klasse. Im Gegensatz zu ordnerbasierten Klassifizierungs-Datasets, die Ultralytics automatisch aufteilt, wird die offizielle Partition von Fashion-MNIST unverändert verwendet, und das Testset dient standardmäßig als Validierungs-Split während des Trainings.

Link to this sectionKann ich die Ultralytics Platform verwenden, um Modelle auf dem Fashion-MNIST-Dataset zu trainieren?#

Ja. Die Ultralytics Platform ermöglicht es dir, Datasets zu verwalten, Bildklassifizierungs-Modelle zu trainieren und diese ohne umfangreiche Programmierung bereitzustellen. Es ist eine bequeme Methode, Fashion-MNIST-Experimente in der Cloud auszuführen, und du kannst weitere Optionen in unserem Überblick über Klassifizierungs-Datasets erkunden.