Link to this sectionConjunto de datos Fashion-MNIST#

El conjunto de datos Fashion-MNIST es un benchmark de clasificación de imágenes de 70.000 imágenes en escala de grises de 28x28 de artículos de ropa de Zalando, divididas equitativamente en 10 clases: camiseta/top, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso y botín. Viene con una división predefinida de 60.000 imágenes de entrenamiento y 10.000 de prueba (7.000 por clase) y sirve como reemplazo directo del conjunto de datos original MNIST para realizar benchmarks de algoritmos de aprendizaje automático. Para el equivalente en imágenes a color, consulta el conjunto de datos relacionado CIFAR-10.

Link to this sectionCaracterísticas clave#

• Fashion-MNIST contiene 70.000 imágenes en escala de grises de 28x28 píxeles, divididas equitativamente en 10 clases.
• Cada clase contiene exactamente 7.000 imágenes (6.000 para entrenamiento y 1.000 para pruebas), por lo que el conjunto de datos está perfectamente equilibrado.
• Es un reemplazo directo para MNIST: mismo tamaño de imagen, formato y estructura de división, pero con categorías de ropa más difíciles en lugar de dígitos escritos a mano.
• El conjunto de datos se entrega con una división de entrenamiento/prueba predefinida, por lo que no es necesaria ninguna división manual o automática.
• Fashion-MNIST es un benchmark estándar para la investigación en clasificación de imágenes y aprendizaje profundo.

Link to this sectionEstructura del dataset#

Fashion-MNIST viene con una división oficial predefinida, por lo que no es necesaria ninguna partición automática o manual:

• Clases: 10 (camiseta/top, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso, botín)
• Total de imágenes: 70.000 (28x28 escala de grises)
• Conjunto de entrenamiento: 60.000 imágenes (6.000 por clase)
• Conjunto de prueba: 10.000 imágenes (1.000 por clase)

Link to this sectionAplicaciones#

Fashion-MNIST se utiliza ampliamente para entrenar y evaluar modelos de clasificación de imágenes, desde Redes Neuronales Convolucionales (CNNs) clásicas y Máquinas de Vectores de Soporte (SVMs) hasta arquitecturas profundas modernas. Sus pequeñas imágenes en escala de grises y sus 10 categorías de ropa lo convierten en un benchmark rápido y reproducible para la comparación de algoritmos y la experimentación en visión por computador, siendo a la vez más desafiante que los dígitos escritos a mano de MNIST.

Link to this sectionUso#

Entrena un modelo YOLO en Fashion-MNIST durante 100 épocas con un tamaño de imagen de 28. Para obtener la lista completa de argumentos disponibles, consulta la página de Entrenamiento y la guía de la tarea de clasificación de imágenes.

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 sectionMuestras de imágenes y anotaciones#

Imágenes de muestra del conjunto de datos Fashion-MNIST:

Las muestras muestran la variedad de categorías de ropa en el conjunto de datos Fashion-MNIST, lo que subraya el valor de un conjunto de datos variado para entrenar modelos robustos de clasificación de imágenes.

Link to this sectionCitas y agradecimientos#

Si utilizas el conjunto de datos Fashion-MNIST en tu trabajo de investigación o desarrollo, por favor cita el siguiente artículo:

@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}
}

Nos gustaría agradecer a Zalando Research por crear y mantener el conjunto de datos Fashion-MNIST como un recurso valioso para la comunidad de investigación en aprendizaje automático y visión por computador. Para obtener más información sobre el conjunto de datos Fashion-MNIST y sus creadores, visita el repositorio de GitHub de Fashion-MNIST.

Link to this sectionFAQ#

Link to this section¿Qué es el conjunto de datos Fashion-MNIST y en qué se diferencia de MNIST?#

El conjunto de datos Fashion-MNIST es un benchmark de 70.000 imágenes en escala de grises de 28x28 de artículos de ropa de Zalando distribuidos en 10 clases, creado como reemplazo directo del conjunto de datos original MNIST. Comparte el tamaño de imagen, formato y la división 60.000/10.000 de entrenamiento/prueba exactos de MNIST, pero sustituye los dígitos escritos a mano por categorías de moda más difíciles, como camisetas/tops, pantalones y botines, lo que lo convierte en un benchmark más exigente para modelos de clasificación de imágenes.

Link to this section¿Cómo puedo entrenar un modelo Ultralytics YOLO en el conjunto de datos Fashion-MNIST?#

Para entrenar un modelo Ultralytics YOLO en Fashion-MNIST, utiliza los fragmentos de código a continuación. El conjunto de datos se descarga automáticamente en el primer uso. Para obtener una lista completa de argumentos, consulta la página de Entrenamiento del modelo.

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 section¿Cuántas clases tiene el conjunto de datos Fashion-MNIST?#

Fashion-MNIST tiene 10 clases (camiseta/top, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso y botín) con exactamente 7.000 imágenes cada una, sumando un total de 70.000 imágenes. Cada imagen es una fotografía en escala de grises de 28x28 de un solo artículo de ropa de Zalando, y las clases están perfectamente equilibradas.

Link to this section¿Cómo se divide el conjunto de datos Fashion-MNIST en conjuntos de entrenamiento y prueba?#

Fashion-MNIST viene con una división predefinida de 60.000 imágenes de entrenamiento y 10.000 imágenes de prueba, con exactamente 6.000 imágenes de entrenamiento y 1.000 de prueba por clase. A diferencia de los conjuntos de datos de clasificación basados en carpetas que Ultralytics divide automáticamente, la partición oficial de Fashion-MNIST se utiliza tal cual, y el conjunto de pruebas sirve como división de validación durante el entrenamiento de forma predeterminada.

Link to this section¿Puedo usar la plataforma Ultralytics para entrenar modelos en el conjunto de datos Fashion-MNIST?#

Sí. Ultralytics Platform te permite gestionar conjuntos de datos, entrenar modelos de clasificación de imágenes e implementarlos sin necesidad de programar extensamente. Es una forma cómoda de realizar experimentos con Fashion-MNIST en la nube, y puedes explorar más opciones en nuestra descripción general de conjuntos de datos de clasificación.