Jeu de données Fashion-MNIST#
Le jeu de données Fashion-MNIST est un benchmark de classification d’images composé de 70 000 images en niveaux de gris de 28x28 représentant des articles vestimentaires de Zalando, réparties équitablement entre 10 classes : t-shirt/haut, pantalon, pull, robe, manteau, sandale, chemise, chaussure de sport, sac et bottine. Il est fourni avec une partition prédéfinie de 60 000 images d’entraînement et 10 000 images de test (7 000 par classe) et constitue un remplacement direct du jeu de données MNIST d’origine pour comparer les algorithmes d’apprentissage automatique. Pour son équivalent en images couleur, consulte le jeu de données CIFAR-10 associé.
Explore Fashion-MNIST sur Ultralytics Platform pour prévisualiser des exemples, examiner les statistiques du jeu de données et en créer un clone pour l’entraînement.
Fonctionnalités clés#
- Fashion-MNIST contient 70 000 images en niveaux de gris de 28x28 pixels, réparties équitablement entre 10 classes.
- Chaque classe contient exactement 7 000 images — 6 000 pour l’entraînement et 1 000 pour le test —, le jeu de données est donc parfaitement équilibré.
- Il remplace directement MNIST : la taille des images, le format et la structure des partitions sont identiques, mais les catégories vestimentaires sont plus difficiles que les chiffres manuscrits.
- Le jeu de données comprend une répartition prédéfinie entre entraînement et test : aucune répartition manuelle ou automatique n’est nécessaire.
- Fashion-MNIST est un benchmark standard pour la recherche en classification d’images et en apprentissage profond.
Structure du jeu de données#
Fashion-MNIST est fourni avec une partition officielle prédéfinie, ce qui rend toute répartition automatique ou manuelle inutile :
- Classes : 10 (t-shirt/haut, pantalon, pull, robe, manteau, sandale, chemise, chaussure de sport, sac, bottine)
- Nombre total d’images : 70 000 (28x28 en niveaux de gris)
- Ensemble d’entraînement : 60 000 images (6 000 par classe)
- Ensemble de test : 10 000 images (1 000 par classe)
Fashion-MNIST n’a pas de dossier de validation distinct. Par conséquent, Ultralytics utilise par défaut l’ensemble de test de 10 000 images comme ensemble de validation pendant l’entraînement.
Applications#
Fashion-MNIST est largement utilisé pour entraîner et évaluer des modèles de classification d’images, des réseaux de neurones convolutifs (CNNs) et des machines à vecteurs de support (SVMs) classiques aux architectures profondes modernes. Ses petites images en niveaux de gris et ses 10 catégories vestimentaires en font un benchmark rapide et reproductible pour comparer les algorithmes et mener des expérimentations en vision par ordinateur, tout en étant plus exigeant que les chiffres manuscrits de MNIST.
Utilisation#
Entraîne un modèle YOLO sur Fashion-MNIST pendant 100 époques, avec une taille d’image de 28. Pour consulter la liste complète des arguments disponibles, consulte la page Entraînement et le guide de la tâche de classification d’images.
from ultralytics import YOLO
# Charger un modèle
model = YOLO("yolo26n-cls.pt") # charger un modèle préentraîné (recommandé pour l’entraînement)
# Entraîner le modèle
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)Exemples d’images et annotations#
Exemples d’images du jeu de données Fashion-MNIST :
Les exemples illustrent la variété des catégories vestimentaires du jeu de données Fashion-MNIST et soulignent l’intérêt d’un jeu de données varié pour entraîner des modèles robustes de classification d’images.
Citations et remerciements#
Si tu utilises le jeu de données Fashion-MNIST dans tes travaux de recherche ou de développement, cite l’article suivant :
@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}
}Nous tenons à remercier Zalando Research d’avoir créé et maintenu le jeu de données Fashion-MNIST, une ressource précieuse pour la communauté de recherche en apprentissage automatique et en vision par ordinateur. Pour en savoir plus sur le jeu de données Fashion-MNIST et ses créateurs, consulte le dépôt GitHub de Fashion-MNIST.
FAQ#
Le jeu de données Fashion-MNIST est un benchmark composé de 70 000 images en niveaux de gris de 28x28 représentant des articles vestimentaires de Zalando répartis entre 10 classes. Il a été créé pour remplacer directement le jeu de données MNIST d’origine. Il reprend exactement la taille et le format des images de MNIST, ainsi que sa partition entraînement/test de 60 000/10 000 images, mais remplace les chiffres manuscrits par des catégories vestimentaires plus difficiles — comme t-shirt/haut, pantalon et bottine —, ce qui en fait un benchmark plus exigeant pour les modèles de classification d’images.
Pour entraîner un modèle Ultralytics YOLO sur Fashion-MNIST, utilise les extraits de code ci-dessous. Le jeu de données est téléchargé automatiquement lors de sa première utilisation. Pour consulter la liste complète des arguments, consulte la page Entraînement du modèle.
Exemple d’entraînementfrom ultralytics import YOLO # Charger un modèle model = YOLO("yolo26n-cls.pt") # charger un modèle préentraîné (recommandé pour l’entraînement) # Entraîner le modèle results = model.train(data="fashion-mnist", epochs=100, imgsz=28)Fashion-MNIST compte 10 classes — t-shirt/haut, pantalon, pull, robe, manteau, sandale, chemise, chaussure de sport, sac et bottine — avec exactement 7 000 images chacune, soit 70 000 images au total. Chaque image est une représentation en niveaux de gris de 28x28 d’un seul article vestimentaire de Zalando, et les classes sont parfaitement équilibrées.
Fashion-MNIST est fourni avec une partition prédéfinie de 60 000 images d’entraînement et de 10 000 images de test, soit exactement 6 000 images d’entraînement et 1 000 images de test par classe. Contrairement aux jeux de données de classification organisés en dossiers qu’Ultralytics répartit automatiquement, la partition officielle de Fashion-MNIST est utilisée telle quelle, et l’ensemble de test sert par défaut d’ensemble de validation pendant l’entraînement.
Oui. Ultralytics Platform te permet de gérer des jeux de données, d’entraîner des modèles de classification d’images et de les déployer sans avoir à coder beaucoup. C’est un moyen pratique de réaliser des expériences Fashion-MNIST dans le cloud, et tu peux découvrir d’autres options dans notre aperçu des jeux de données de classification.