Dataset Fashion-MNIST#
El dataset Fashion-MNIST es un benchmark de clasificación de imágenes compuesto por 70.000 imágenes en escala de grises de 28x28 píxeles de prendas de Zalando, distribuidas equitativamente entre 10 clases: camiseta/parte superior, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso y botín. Incluye una división predefinida de 60.000 imágenes de entrenamiento y 10.000 de prueba (7.000 por clase) y sirve como sustituto directo del dataset original MNIST para evaluar algoritmos de aprendizaje automático. Para consultar el equivalente con imágenes en color, visita el dataset relacionado CIFAR-10.
Explora Fashion-MNIST en Ultralytics Platform para previsualizar muestras, consultar las estadísticas del dataset y clonarlo para el entrenamiento.
Características principales#
- 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 dataset está perfectamente equilibrado.
- Es un sustituto directo de MNIST: tiene el mismo tamaño y formato de imagen, así como la misma estructura de división, pero utiliza categorías de prendas más difíciles en lugar de dígitos escritos a mano.
- El conjunto de datos incluye una división predefinida de entrenamiento/prueba, por lo que no es necesario dividirlo de forma manual o automática.
- Fashion-MNIST es un benchmark estándar para la investigación sobre clasificación de imágenes y aprendizaje profundo.
Estructura del dataset#
Fashion-MNIST incluye una división oficial predefinida, por lo que no es necesario realizar ninguna partición automática o manual:
- Clases: 10 (camiseta/parte superior, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso, botín)
- Imágenes totales: 70.000 (28x28 en escala de grises)
- Conjunto de entrenamiento: 60.000 imágenes (6.000 por clase)
- Conjunto de prueba: 10.000 imágenes (1.000 por clase)
Fashion-MNIST no tiene una carpeta de validación independiente, por lo que Ultralytics utiliza por defecto el conjunto de prueba de 10.000 imágenes como división de validación durante el entrenamiento.
Aplicaciones#
Fashion-MNIST se utiliza ampliamente para entrenar y evaluar modelos de clasificación de imágenes, desde las clásicas redes neuronales convolucionales (CNNs) y las máquinas de vectores de soporte (SVMs) hasta las arquitecturas modernas de aprendizaje profundo. Sus pequeñas imágenes en escala de grises y sus 10 categorías de prendas lo convierten en un benchmark rápido y reproducible para comparar algoritmos y realizar experimentos de visión por ordenador, a la vez que resulta más desafiante que los dígitos escritos a mano de MNIST.
Uso#
Entrena un modelo YOLO con Fashion-MNIST durante 100 épocas y con un tamaño de imagen de 28. Para consultar la lista completa de argumentos disponibles, visita 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)Imágenes de ejemplo y anotaciones#
Imágenes de muestra del dataset Fashion-MNIST:
Las muestras muestran la variedad de categorías de prendas del dataset Fashion-MNIST y ponen de relieve el valor de utilizar un dataset variado para entrenar modelos robustos de clasificación de imágenes.
Citas y agradecimientos#
Si utilizas el dataset Fashion-MNIST en tu trabajo de investigación o desarrollo, 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 reconocer la labor de Zalando Research por crear y mantener el dataset Fashion-MNIST como un recurso valioso para la comunidad de investigación en aprendizaje automático y visión por ordenador. Para obtener más información sobre el dataset Fashion-MNIST y sus creadores, visita el repositorio de Fashion-MNIST en GitHub.
Preguntas frecuentes#
El dataset Fashion-MNIST es un benchmark compuesto por 70.000 imágenes en escala de grises de 28x28 píxeles de prendas de Zalando distribuidas en 10 clases, creado como sustituto directo del dataset original MNIST. Comparte con MNIST el mismo tamaño y formato de imagen, así como la división de 60.000/10.000 imágenes de entrenamiento y prueba, pero sustituye los dígitos escritos a mano por categorías de moda más difíciles, como camiseta/parte superior, pantalón y botín, lo que lo convierte en un benchmark más exigente para los modelos de clasificación de imágenes.
Para entrenar un modelo Ultralytics YOLO con Fashion-MNIST, utiliza los fragmentos de código siguientes. El dataset se descarga automáticamente la primera vez que se utiliza. Para consultar la lista completa de argumentos, visita la página de entrenamiento del modelo.
Ejemplo de entrenamientofrom 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)Fashion-MNIST tiene 10 clases: camiseta/parte superior, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso y botín, con exactamente 7.000 imágenes cada una, lo que suma 70.000 imágenes en total. Cada imagen es una imagen en escala de grises de 28x28 píxeles que muestra una sola prenda de Zalando, y las clases están perfectamente equilibradas.
Fashion-MNIST incluye 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 datasets de clasificación basados en carpetas, que Ultralytics divide automáticamente, la partición oficial de Fashion-MNIST se utiliza tal cual y, por defecto, el conjunto de prueba sirve como división de validación durante el entrenamiento.
Sí. Ultralytics Platform te permite gestionar datasets, entrenar modelos de clasificación de imágenes y desplegarlos sin necesidad de escribir mucho código. Es una forma práctica de ejecutar experimentos con Fashion-MNIST en la nube, y puedes consultar más opciones en nuestra guía general de datasets de clasificación.