Link to this sectionJeu 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 pour le jeu de données original MNIST afin d'évaluer les algorithmes de machine learning.

Link to this sectionCaractéristiques principales#

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

Link to this sectionStructure 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.

Link to this sectionÉtiquettes#

Chaque exemple d'entraînement et de test est assigné 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

Link to this sectionApplications#

Le jeu de données Fashion-MNIST est largement utilisé pour l'entraînement et l'évaluation de 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.

Link to this sectionUtilisation#

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 de 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)

Link to this sectionExemples d'images et 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 provenant du jeu de données :

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

Link to this sectionRemerciements#

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 créant un lien vers le dépôt GitHub. Ce jeu de données a été mis à disposition par Zalando Research.

Link to this sectionFAQ#

Link to this sectionQu'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, destinée à remplacer le jeu de données original MNIST par une version moderne. 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.

Link to this sectionComment 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 des commandes Python et 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.

Link to this sectionPourquoi 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 évaluer des modèles de classification d'images. La structure du jeu de données, comprenant 60 000 images d'entraînement et 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 difficile.

Link to this sectionPuis-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 d'instance, la semantic segmentation, la classification, l'estimation de pose et la détection d'objets orientés. Pour commencer avec des tâches de classification d'images, consulte la page Classification.

Link to this sectionQuelles sont les principales caractéristiques 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 Structure du jeu de données.

Link to this sectionComment puis-je créditer l'utilisation du jeu de données Fashion-MNIST dans ma recherche ?#

Si tu utilises le jeu de données Fashion-MNIST dans tes projets de recherche ou de développement, il est important de le créditer en faisant un lien vers le dépôt GitHub. Cela permet d'attribuer les données à Zalando Research, qui a rendu le jeu de données disponible pour un usage public.