Zum Inhalt springen

Fashion-MNIST-Datensatz

Der Fashion-MNIST-Datensatz ist eine Datenbank mit Artikelbildern von Zalando, die aus einem Trainingssatz von 60.000 Beispielen und einem Testsatz von 10.000 Beispielen besteht. Jedes Beispiel ist ein 28x28 Graustufenbild, das mit einer Bezeichnung aus 10 Klassen versehen ist. Fashion-MNIST dient als direkter Ersatz für den ursprünglichen MNIST-Datensatz zum Testen von Machine-Learning-Algorithmen.



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 das Training und Testen im Bereich Machine Learning verwendet, insbesondere für Bildklassifizierungsaufgaben.

Dataset-Struktur

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

  1. Trainingssatz: Diese Teilmenge enthält 60.000 Bilder, die für das Training von Machine-Learning-Modellen verwendet werden.
  2. 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 für das Training und die Evaluierung von Deep-Learning-Modellen bei Bildklassifizierungsaufgaben verwendet, wie z. B. Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs) und verschiedene andere Machine-Learning-Algorithmen. Das einfache und gut strukturierte Format des Datensatzes macht ihn zu einer wichtigen Ressource für Forscher und Praktiker im Bereich Machine Learning und 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 Seite Training 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 für Bilder aus dem Datensatz:

Beispielbild des Datensatzes

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.

Danksagungen

Wenn Sie den Fashion-MNIST-Datensatz in Ihrer Forschungs- oder Entwicklungsarbeit verwenden, geben Sie den Datensatz bitte an, 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 kategorisiert 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, um Ihnen den Einstieg zu erleichtern:

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 Modelle für maschinelles Lernen verwenden?

Der Fashion-MNIST-Datensatz ist in der Deep-Learning Community als robuste Alternative zu MNIST weithin anerkannt. Er bietet einen komplexeren und vielfältigeren Satz von Bildern und ist somit eine ausgezeichnete Wahl für das Benchmarking von Bildklassifizierungsmodellen. Die Struktur des Datensatzes, die 60.000 Trainingsbilder und 10.000 Testbilder umfasst, die jeweils mit einer von 10 Klassen beschriftet sind, macht ihn ideal für die Bewertung der Leistung verschiedener Algorithmen des maschinellen Lernens in einem anspruchsvolleren Kontext.

Kann 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 beinhalten. YOLO11 unterstützt beispielsweise verschiedene Bildverarbeitungsaufgaben wie Erkennung, Segmentierung und Klassifizierung. Um mit Bildklassifizierungsaufgaben zu beginnen, lesen Sie die Klassifizierungsseite.

Was sind die Hauptmerkmale und die Struktur des Fashion-MNIST-Datensatzes?

Der Fashion-MNIST-Datensatz ist in zwei Hauptuntergruppen unterteilt: 60.000 Trainingsbilder und 10.000 Testbilder. Jedes Bild ist ein 28x28-Pixel großes Graustufenbild, das eine von 10 Mode-bezogenen Klassen darstellt. Die Einfachheit und das gut strukturierte Format machen ihn ideal für das Trainieren und Evaluieren von Modellen in den Bereichen maschinelles Lernen und Computer Vision. Weitere Informationen zur Struktur des Datensatzes 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 verwenden, ist es wichtig, ihn durch einen Link zum GitHub-Repository anzuerkennen. Dies hilft, die Daten Zalando Research zuzuordnen, die den Datensatz zur öffentlichen Nutzung zur Verfügung gestellt haben.



📅 Erstellt vor 1 Jahr ✏️ Aktualisiert vor 8 Monaten

Kommentare