Fashion-MNIST-Datensatz

The Fashion-MNIST dataset is a database of Zalando's article images—consisting of a training set of 60,000 examples and a test set of 10,000 examples. Each example is a 28x28 grayscale image, associated with a label from 10 classes. Fashion-MNIST is intended to serve as a direct drop-in replacement for the original MNIST dataset for benchmarking machine learning algorithms.

Pass auf: How to do Bildklassifizierung on Fashion MNIST Dataset using Ultralytics YOLO11

Hauptmerkmale

• Fashion-MNIST enthält 60.000 Trainingsbilder und 10.000 Testbilder der Zalando-Artikelbilder.
• Der Datensatz umfasst Graustufenbilder der Größe 28x28 Pixel.
• Jedem Pixel ist ein einzelner Pixelwert zugeordnet, 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 zum Trainieren und Testen im Bereich des maschinellen Lernens verwendet, insbesondere für Bildklassifizierungsaufgaben.

Struktur des Datensatzes

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

1. Training Set: Diese Teilmenge enthält 60.000 Bilder, die für das Training von Machine-Learning-Modellen verwendet werden.
2. Testsatz: Diese Teilmenge besteht aus 10.000 Bildern, die zum Testen und Vergleichen der trainierten Modelle verwendet werden.

Etiketten

Jedes Trainings- und Testbeispiel wird einem der folgenden Labels zugewiesen:

1. T-shirt/Top
2. Hose
3. Pullover
4. Kleid
5. Mantel
6. Sandale
7. Hemd
8. Sneaker
9. Tasche
10. Stiefelette

Anwendungen

The Fashion-MNIST dataset is widely used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), and various other machine learning algorithms. The dataset's simple and well-structured format makes it an essential resource for researchers and practitioners in the field of machine learning and computer vision.

Verwendung

To train a CNN model on the Fashion-MNIST dataset for 100 epochs with an image size of 28x28, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

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

Beispielbilder und Anmerkungen

Der Fashion-MNIST-Datensatz enthält Graustufenbilder der Zalando-Artikelbilder 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 verdeutlicht, wie wichtig ein vielfältiger Datensatz für das Training robuster Bildklassifizierungsmodelle ist.

Danksagungen

Wenn du den Fashion-MNIST-Datensatz in deiner Forschungs- oder Entwicklungsarbeit verwendest, erwähne den Datensatz bitte, indem du auf das GitHub-Repository verlinkst. 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 der Zalando-Artikelbilder, die als moderner Ersatz für den ursprünglichen MNIST-Datensatz gedacht ist. Er dient als Benchmark für maschinelle Lernmodelle im Zusammenhang mit Bildklassifizierungsaufgaben. Im Gegensatz zu MNIST, das handgeschriebene Ziffern enthält, besteht Fashion-MNIST aus 28x28-Pixel-Bildern, die in 10 modebezogene Klassen eingeteilt sind, z. B. T-Shirt/Top, Hose und Stiefelette.

Wie kann ich ein YOLO Modell mit dem Fashion-MNIST-Datensatz trainieren?

Um ein Ultralytics YOLO Modell auf dem Fashion-MNIST-Datensatz zu trainieren, kannst du die Befehle Python und CLI verwenden. Hier ist ein kurzes Beispiel, das dir den Einstieg erleichtert:

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

Genauere Informationen zu den Trainingsparametern findest du auf der Seite Training.

Warum sollte ich den Fashion-MNIST-Datensatz für das Benchmarking meiner Machine-Learning-Modelle verwenden?

The Fashion-MNIST dataset is widely recognized in the deep learning community as a robust alternative to MNIST. It offers a more complex and varied set of images, making it an excellent choice for benchmarking image classification models. The dataset's structure, comprising 60,000 training images and 10,000 testing images, each labeled with one of 10 classes, makes it ideal for evaluating the performance of different machine learning algorithms in a more challenging context.

Kann ich Ultralytics YOLO für Bildklassifizierungsaufgaben wie Fashion-MNIST verwenden?

Yes, Ultralytics YOLO models can be used for image classification tasks, including those involving the Fashion-MNIST dataset. YOLO11, for example, supports various vision tasks such as detection, segmentation, and classification. To get started with image classification tasks, refer to the Classification page.

Was sind die wichtigsten Merkmale und die Struktur des Fashion-MNIST-Datensatzes?

The Fashion-MNIST dataset is divided into two main subsets: 60,000 training images and 10,000 testing images. Each image is a 28x28-pixel grayscale picture representing one of 10 fashion-related classes. The simplicity and well-structured format make it ideal for training and evaluating models in machine learning and computer vision tasks. For more details on the dataset structure, see the Dataset Structure section.

Wie kann ich die Verwendung des Fashion-MNIST-Datensatzes in meiner Forschung anerkennen?

Wenn du den Fashion-MNIST-Datensatz in deinen Forschungs- oder Entwicklungsprojekten verwendest, ist es wichtig, ihn mit einem Link zum GitHub-Repository zu versehen. Dies hilft dabei, die Daten Zalando Research zuzuordnen, die den Datensatz für die öffentliche Nutzung zur Verfügung gestellt hat.

📅 Created 11 months ago ✏️ Updated 10 days ago

Kommentare