Jeu de données Fashion-MNIST

Le jeu de données Fashion-MNIST est une base de données d'images d'articles de Zalando, composée d'un ensemble d'entraînement de 60 000 exemples et d'un ensemble de test de 10 000 exemples. Chaque exemple est une image en niveaux de gris de 28x28, associée à une étiquette parmi 10 classes. Fashion-MNIST est destiné à servir de remplacement direct au jeu de données MNIST original pour l'évaluation comparative d'algorithmes de machine learning.

Fonctionnalités clés

• Fashion-MNIST contient 60 000 images d'entraînement et 10 000 images de test d'images d'articles de Zalando.
• Le jeu de données comprend des images en niveaux de gris de 28x28 pixels.
• Chaque pixel est associé à une seule valeur de pixel, indiquant la clarté ou l'obscurité de ce pixel, les chiffres les plus élevés signifiant plus sombre. Cette valeur de pixel est un entier compris entre 0 et 255.
• Fashion-MNIST est largement utilisé pour l'entraînement et les tests dans le domaine du machine learning, en particulier pour les tâches de classification d'images.

Structure du jeu de données

Le jeu de données Fashion-MNIST est divisé en deux sous-ensembles :

1. Ensemble d'entraînement : Ce sous-ensemble contient 60 000 images utilisées pour entraîner des modèles de machine learning.
2. Ensemble de test : Ce sous-ensemble se compose de 10 000 images utilisées pour tester et évaluer les modèles entraînés.

Étiquettes

Chaque exemple d'entraînement et de test est affecté à l'une des étiquettes suivantes :

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Applications

Le jeu de données Fashion-MNIST est largement utilisé pour entraîner et évaluer des modèles de deep learning dans des tâches de classification d'images, telles que les Convolutional Neural Networks (CNNs), les Support Vector Machines (SVMs) et divers autres algorithmes de machine learning. Le format simple et bien structuré du jeu de données en fait une ressource essentielle pour les chercheurs et les praticiens dans le domaine du machine learning et de la computer vision.

Utilisation

Pour entraîner un modèle CNN sur le jeu de données Fashion-MNIST pendant 100 epochs avec une taille d'image de 28x28, tu peux utiliser les extraits de code suivants. Pour une liste complète des arguments disponibles, consulte la page Training du modèle.

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)

Exemples d'images et d'annotations

Le jeu de données Fashion-MNIST contient des images en niveaux de gris d'articles de Zalando, offrant un jeu de données bien structuré pour les tâches de classification d'images. Voici quelques exemples d'images du jeu de données :

L'exemple présente la variété et la complexité des images du jeu de données Fashion-MNIST, soulignant l'importance d'un jeu de données diversifié pour entraîner des modèles de classification d'images robustes.

Remerciements

Si tu utilises le jeu de données Fashion-MNIST dans tes travaux de recherche ou de développement, merci de créditer le jeu de données en faisant un lien vers le dépôt GitHub. Ce jeu de données a été mis à disposition par Zalando Research.

FAQ

Qu'est-ce que le jeu de données Fashion-MNIST et en quoi est-il différent de MNIST ?

Le jeu de données Fashion-MNIST est une collection de 70 000 images en niveaux de gris d'articles de Zalando, conçue comme un remplacement moderne du jeu de données MNIST original. Il sert de référence pour les modèles de machine learning dans le contexte des tâches de classification d'images. Contrairement à MNIST, qui contient des chiffres manuscrits, Fashion-MNIST se compose d'images de 28x28 pixels classées en 10 catégories liées à la mode, telles que T-shirt/haut, pantalon et bottine.

Comment puis-je entraîner un modèle YOLO sur le jeu de données Fashion-MNIST ?

Pour entraîner un modèle Ultralytics YOLO sur le jeu de données Fashion-MNIST, tu peux utiliser à la fois Python et des commandes CLI. Voici un exemple rapide pour commencer :

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n-cls.pt")

# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

Pour des paramètres d'entraînement plus détaillés, consulte la page Training.

Pourquoi devrais-je utiliser le jeu de données Fashion-MNIST pour évaluer mes modèles de machine learning ?

Le jeu de données Fashion-MNIST est largement reconnu dans la communauté du deep learning comme une alternative robuste à MNIST. Il offre un ensemble d'images plus complexe et varié, ce qui en fait un excellent choix pour l'évaluation comparative des modèles de classification d'images. La structure du jeu de données, composée de 60 000 images d'entraînement et de 10 000 images de test, chacune étiquetée avec l'une des 10 classes, le rend idéal pour évaluer les performances de différents algorithmes de machine learning dans un contexte plus exigeant.

Puis-je utiliser Ultralytics YOLO pour des tâches de classification d'images comme Fashion-MNIST ?

Oui, les modèles Ultralytics YOLO peuvent être utilisés pour des tâches de classification d'images, y compris celles impliquant le jeu de données Fashion-MNIST. YOLO26, par exemple, prend en charge diverses tâches de vision telles que la détection, la segmentation et la classification. Pour commencer avec les tâches de classification d'images, consulte la page Classification.

Quelles sont les caractéristiques clés et la structure du jeu de données Fashion-MNIST ?

Le jeu de données Fashion-MNIST est divisé en deux sous-ensembles principaux : 60 000 images d'entraînement et 10 000 images de test. Chaque image est une image en niveaux de gris de 28x28 pixels représentant l'une des 10 classes liées à la mode. La simplicité et le format bien structuré le rendent idéal pour l'entraînement et l'évaluation de modèles dans des tâches de machine learning et de computer vision. Pour plus de détails sur la structure du jeu de données, consulte la section Dataset Structure.

Comment puis-je créditer l'utilisation du jeu de données Fashion-MNIST dans mes recherches ?

Si tu utilises le jeu de données Fashion-MNIST dans tes projets de recherche ou de développement, il est important de le mentionner en faisant un lien vers le dépôt GitHub. Cela aide à attribuer les données à Zalando Research, qui a mis le jeu de données à disposition pour un usage public.