Conjunto de datos MNIST

El conjunto de datos MNIST (Instituto Nacional de Normas y Tecnología Modificado) es una gran base de datos de dígitos manuscritos que se utiliza habitualmente para entrenar diversos sistemas de procesamiento de imágenes y modelos de aprendizaje automático. Se creó "remezclando" las muestras de los conjuntos de datos originales del NIST y se ha convertido en una referencia para evaluar el rendimiento de los algoritmos de clasificación de imágenes.

Características principales

• MNIST contiene 60.000 imágenes de entrenamiento y 10.000 imágenes de prueba de dígitos manuscritos.
• El conjunto de datos consta de imágenes en escala de grises de tamaño 28x28 píxeles.
• Las imágenes se normalizan para que quepan en un cuadro delimitador de 28x28 píxeles y se suavizan, introduciendo niveles de escala de grises.
• El MNIST se utiliza ampliamente para entrenar y probar en el campo del aprendizaje automático, especialmente para tareas de clasificación de imágenes.

Estructura del conjunto de datos

El conjunto de datos MNIST se divide en dos subconjuntos:

1. Conjunto de entrenamiento: Este subconjunto contiene 60.000 imágenes de dígitos manuscritos utilizadas para entrenar modelos de aprendizaje automático.
2. Conjunto de pruebas: Este subconjunto consta de 10.000 imágenes utilizadas para probar y evaluar los modelos entrenados.

MNIST ampliado (EMNIST)

MNIST ampliado (EMNIST) es un conjunto de datos más reciente desarrollado y publicado por el NIST para ser el sucesor de MNIST. Mientras que MNIST sólo incluía imágenes de dígitos manuscritos, EMNIST incluye todas las imágenes de la Base de Datos Especial 19 del NIST, que es una gran base de datos de letras mayúsculas y minúsculas manuscritas, así como de dígitos. Las imágenes de EMNIST se convirtieron al mismo formato de 28x28 píxeles, mediante el mismo proceso, que las imágenes de MNIST. En consecuencia, las herramientas que funcionan con el conjunto de datos MNIST, más antiguo y más pequeño, probablemente funcionarán sin modificaciones con EMNIST.

Aplicaciones

El conjunto de datos MNIST se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo en tareas de clasificación de imágenes, como las redes neuronales convolucionales (CNN), las máquinas de vectores de soporte (SVM) y otros algoritmos de aprendizaje automático. El formato sencillo y bien estructurado del conjunto de datos lo convierte en un recurso esencial para investigadores y profesionales del campo del aprendizaje automático y la visión por ordenador.

Utilización

Para entrenar un modelo CNN en el conjunto de datos MNIST durante 100 épocas con un tamaño de imagen de 32x32, puedes utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulta la página Entrenamiento del modelo.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-cls.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='mnist', epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
cnn detect train data=mnist model=yolov8n-cls.pt epochs=100 imgsz=28

Ejemplos de imágenes y anotaciones

El conjunto de datos MNIST contiene imágenes en escala de grises de dígitos escritos a mano, lo que proporciona un conjunto de datos bien estructurado para tareas de clasificación de imágenes. Aquí tienes algunos ejemplos de imágenes del conjunto de datos:

El ejemplo muestra la variedad y complejidad de los dígitos manuscritos del conjunto de datos MNIST, lo que pone de relieve la importancia de un conjunto de datos diverso para entrenar modelos robustos de clasificación de imágenes.

Citas y agradecimientos

Si utilizas el conjunto de datos MNIST en tu

trabajo de investigación o desarrollo, cita el siguiente documento:

@article{lecun2010mnist,
         title={MNIST handwritten digit database},
         author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
         journal={ATT Labs [Online]. Available: http://yann.lecun.com/exdb/mnist},
         volume={2},
         year={2010}
}

Queremos dar las gracias a Yann LeCun, Corinna Cortes y Christopher J.C. Burges por crear y mantener el conjunto de datos MNIST como un valioso recurso para la comunidad investigadora del aprendizaje automático y la visión por ordenador. Para más información sobre el conjunto de datos MNIST y sus creadores, visita el sitio web del conjunto de datos MNIST.

Comentarios