Link to this sectionJeu de données Fashion-MNIST#

Le jeu de données Fashion-MNIST est une référence en classification d'images composée de 70 000 images en niveaux de gris de 28x28 pixels représentant des articles vestimentaires de Zalando, répartis équitablement sur 10 classes — T-shirt/top, pantalon, pull, robe, manteau, sandale, chemise, basket, sac et bottine. Il est fourni avec une séparation prédéfinie de 60 000 images d'entraînement et 10 000 images de test (7 000 par classe) et sert de remplacement direct au jeu de données original MNIST pour évaluer les algorithmes de machine learning. Pour l'équivalent en images couleur, consulte le jeu de données CIFAR-10 associé.

Link to this sectionFonctionnalités clés#

• Fashion-MNIST contient 70 000 images en niveaux de gris de 28x28 pixels, divisées équitablement en 10 classes.
• Chaque classe contient exactement 7 000 images — 6 000 pour l'entraînement et 1 000 pour le test — ce qui rend le jeu de données parfaitement équilibré.
• C'est un remplacement direct de MNIST : taille d'image, format et structure de séparation identiques, mais avec des catégories de vêtements plus complexes que les chiffres manuscrits.
• Le dataset est fourni avec une répartition entraînement/test prédéfinie, donc aucune séparation manuelle ou automatique n'est requise.
• Fashion-MNIST est une référence standard pour la recherche en classification d'images et en deep learning.

Link to this sectionStructure du jeu de données#

Fashion-MNIST est fourni avec une séparation officielle et prédéfinie, donc aucun partitionnement automatique ou manuel n'est nécessaire :

• Classes : 10 (T-shirt/top, pantalon, pull, robe, manteau, sandale, chemise, basket, sac, bottine)
• Total d'images : 70 000 (28x28 en niveaux de gris)
• Jeu d'entraînement : 60 000 images (6 000 par classe)
• Ensemble de test : 10 000 images (1 000 par classe)

Link to this sectionApplications#

Fashion-MNIST est largement utilisé pour entraîner et évaluer des modèles de classification d'images, des Convolutional Neural Networks (CNN) classiques et des Support Vector Machines (SVM) aux architectures profondes modernes. Ses petites images en niveaux de gris et ses 10 catégories de vêtements en font une référence rapide et reproductible pour la comparaison d'algorithmes et l'expérimentation en computer vision, tout en étant plus exigeant que les chiffres manuscrits de MNIST.

Link to this sectionUtilisation#

Entraîne un modèle YOLO sur Fashion-MNIST pendant 100 époques avec une taille d'image de 28. Pour la liste complète des arguments disponibles, consulte la page Entraînement et le guide de tâche classification d'images.

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#

Exemples d'images du jeu de données Fashion-MNIST :

Les échantillons montrent la variété des catégories de vêtements dans le jeu de données Fashion-MNIST, soulignant la valeur d'un jeu de données varié pour entraîner des modèles robustes de classification d'images.

Link to this sectionCitations et remerciements#

Si tu utilises le jeu de données Fashion-MNIST dans tes travaux de recherche ou de développement, merci de citer 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 pour la création et la maintenance du jeu de données Fashion-MNIST en tant que ressource précieuse pour la communauté de recherche en machine learning et computer vision. Pour plus d'informations sur le jeu de données Fashion-MNIST et ses créateurs, visite le dépôt GitHub Fashion-MNIST.

Link to this sectionFAQ#

Link to this sectionQu'est-ce que le jeu de données Fashion-MNIST et en quoi diffère-t-il de MNIST ?#

Le jeu de données Fashion-MNIST est une référence de 70 000 images en niveaux de gris de 28x28 pixels représentant des articles vestimentaires de Zalando sur 10 classes, créé en remplacement direct du jeu de données MNIST original. Il partage exactement la taille d'image, le format et la séparation 60 000/10 000 train/test de MNIST, mais remplace les chiffres manuscrits par des catégories de mode plus complexes — telles que T-shirt/top, pantalon et bottine — ce qui en fait une référence plus exigeante pour les modèles de classification d'images.

Link to this sectionComment puis-je entraîner un modèle Ultralytics YOLO sur le jeu de données Fashion-MNIST ?#

Pour entraîner un modèle Ultralytics YOLO sur Fashion-MNIST, utilise les extraits de code ci-dessous. Le jeu de données se télécharge automatiquement lors de la première utilisation. Pour une liste complète des arguments, consulte la page Entraînement 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 sectionCombien de classes le jeu de données Fashion-MNIST possède-t-il ?#

Fashion-MNIST possède 10 classes — T-shirt/top, pantalon, pull, robe, manteau, sandale, chemise, basket, sac et bottine — avec exactement 7 000 images chacune, soit 70 000 images au total. Chaque image est une photo en niveaux de gris de 28x28 pixels d'un article vestimentaire Zalando unique, et les classes sont parfaitement équilibrées.

Link to this sectionComment le jeu de données Fashion-MNIST est-il séparé en ensembles d'entraînement et de test ?#

Fashion-MNIST est fourni avec une séparation prédéfinie de 60 000 images d'entraînement et 10 000 images de test, avec exactement 6 000 images d'entraînement et 1 000 images de test par classe. Contrairement aux jeux de données de classification basés sur des dossiers qu'Ultralytics divise automatiquement, la partition officielle de Fashion-MNIST est utilisée telle quelle, et l'ensemble de test sert par défaut de séparation de validation pendant l'entraînement.

Link to this sectionPuis-je utiliser la plateforme Ultralytics pour entraîner des modèles sur le jeu de données Fashion-MNIST ?#

Oui. La plateforme Ultralytics te permet de gérer des jeux de données, d'entraîner des modèles de classification d'images et de les déployer sans codage intensif. C'est un moyen pratique d'exécuter des expériences Fashion-MNIST dans le cloud, et tu peux explorer d'autres options dans notre aperçu des jeux de données de classification.