फैशन-MNIST डेटासेट

फैशन-MNIST डेटासेट ज़ालैंडो के लेख छवियों का एक डेटाबेस है - जिसमें 60,000 उदाहरणों का प्रशिक्षण सेट और 10,000 उदाहरणों का एक परीक्षण सेट शामिल है। प्रत्येक उदाहरण एक 28x28 ग्रेस्केल छवि है, जो 10 वर्गों के लेबल से जुड़ा है। फैशन-MNIST का उद्देश्य बेंचमार्किंग मशीन लर्निंग एल्गोरिदम के लिए मूल MNIST डेटासेट के लिए प्रत्यक्ष ड्रॉप-इन प्रतिस्थापन के रूप में सेवा करना है।

सतर्कता: फैशन MNIST डेटासेट का उपयोग करके छवि वर्गीकरण कैसे करें Ultralytics YOLOv8

प्रमुख विशेषताऐं

• फैशन-MNIST में 60,000 प्रशिक्षण चित्र और ज़ालैंडो के लेख छवियों की 10,000 परीक्षण छवियां हैं।
• डेटासेट में 28x28 पिक्सेल आकार की ग्रेस्केल छवियां शामिल हैं।
• प्रत्येक पिक्सेल के साथ एक एकल पिक्सेल-मान जुड़ा होता है, जो उस पिक्सेल के हल्केपन या अंधेरे को दर्शाता है, जिसमें उच्च संख्या का अर्थ गहरा होता है। यह पिक्सेल-मान 0 और 255 के बीच का पूर्णांक है।
• फैशन-MNIST का व्यापक रूप से मशीन लर्निंग के क्षेत्र में प्रशिक्षण और परीक्षण के लिए उपयोग किया जाता है, विशेष रूप से छवि वर्गीकरण कार्यों के लिए।

डेटासेट संरचना

फैशन-MNIST डेटासेट को दो सबसेट में विभाजित किया गया है:

1. प्रशिक्षण सेट: इस सबसेट में मशीन लर्निंग मॉडल के प्रशिक्षण के लिए उपयोग की जाने वाली 60,000 छवियां हैं।
2. परीक्षण सेट: इस सबसेट में प्रशिक्षित मॉडलों के परीक्षण और बेंचमार्किंग के लिए उपयोग की जाने वाली 10,000 छवियां शामिल हैं।

लेबल

प्रत्येक प्रशिक्षण और परीक्षण उदाहरण निम्नलिखित लेबल में से एक को सौंपा गया है:

1. टी-शर्ट/टॉप
2. पतलून
3. पुलोवर
4. पोशाक
5. लेप लगाना
6. सैंडल
7. कमीज़
8. स्नीकर
9. झपट लेना
10. टखने का बूट

अनुप्रयोगों

फैशन-MNIST डेटासेट का व्यापक रूप से छवि वर्गीकरण कार्यों में गहन शिक्षण मॉडल के प्रशिक्षण और मूल्यांकन के लिए उपयोग किया जाता है, जैसे कि दृढ़ तंत्रिका नेटवर्क (CNNs), समर्थन वेक्टर मशीनें (SVMs), और विभिन्न अन्य मशीन लर्निंग एल्गोरिदम। डेटासेट का सरल और अच्छी तरह से संरचित प्रारूप इसे मशीन लर्निंग और कंप्यूटर विज़न के क्षेत्र में शोधकर्ताओं और चिकित्सकों के लिए एक आवश्यक संसाधन बनाता है।

उपयोग

28x28 के छवि आकार के साथ 100 युगों के लिए फैशन-MNIST डेटासेट पर CNN मॉडल को प्रशिक्षित करने के लिए, आप निम्न कोड स्निपेट का उपयोग कर सकते हैं। उपलब्ध तर्कों की व्यापक सूची के लिए, मॉडल प्रशिक्षण पृष्ठ देखें।

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="fashion-mnist", epochs=100, imgsz=28)

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

नमूना छवियाँ और एनोटेशन

फैशन-MNIST डेटासेट में ज़ालैंडो की लेख छवियों की ग्रेस्केल छवियां हैं, जो छवि वर्गीकरण कार्यों के लिए एक अच्छी तरह से संरचित डेटासेट प्रदान करती हैं। डेटासेट से छवियों के कुछ उदाहरण यहां दिए गए हैं:

उदाहरण फैशन-MNIST डेटासेट में छवियों की विविधता और जटिलता को प्रदर्शित करता है, जो मजबूत छवि वर्गीकरण मॉडल के प्रशिक्षण के लिए एक विविध डेटासेट के महत्व पर प्रकाश डालता है।

स्वीकृतियाँ

यदि आप अपने शोध या विकास कार्य में फैशन-MNIST डेटासेट का उपयोग करते हैं, तो कृपया GitHub रिपॉजिटरी से लिंक करके डेटासेट को स्वीकार करें। यह डेटासेट ज़ालैंडो रिसर्च द्वारा उपलब्ध कराया गया था।

अक्सर पूछे जाने वाले प्रश्न

फैशन-MNIST डेटासेट क्या है और यह MNIST से कैसे अलग है?

फैशन-MNIST डेटासेट ज़ालैंडो की लेख छवियों की 70,000 ग्रेस्केल छवियों का एक संग्रह है, जिसका उद्देश्य मूल MNIST डेटासेट के आधुनिक प्रतिस्थापन के रूप में है। यह छवि वर्गीकरण कार्यों के संदर्भ में मशीन लर्निंग मॉडल के लिए एक बेंचमार्क के रूप में कार्य करता है। MNIST के विपरीत, जिसमें हस्तलिखित अंक होते हैं, फैशन-MNIST में 28x28-पिक्सेल छवियां होती हैं जिन्हें 10 फैशन-संबंधित वर्गों में वर्गीकृत किया जाता है, जैसे कि टी-शर्ट / टॉप, पतलून और टखने का बूट।

मैं कैसे प्रशिक्षित कर सकता हूं YOLO फैशन-MNIST डेटासेट पर मॉडल?

एक को प्रशिक्षित करने के लिए Ultralytics YOLO फैशन-MNIST डेटासेट पर मॉडल, आप दोनों का उपयोग कर सकते हैं Python और CLI आदेश। आरंभ करने के लिए यहां एक त्वरित उदाहरण दिया गया है:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n-cls.pt")

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

yolo detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

अधिक विस्तृत प्रशिक्षण मापदंडों के लिए, प्रशिक्षण पृष्ठ देखें।

मुझे अपने मशीन लर्निंग मॉडल को बेंचमार्क करने के लिए फैशन-MNIST डेटासेट का उपयोग क्यों करना चाहिए?

फैशन-MNIST डेटासेट को गहन शिक्षण समुदाय में MNIST के एक मजबूत विकल्प के रूप में व्यापक रूप से मान्यता प्राप्त है। यह छवियों का एक अधिक जटिल और विविध सेट प्रदान करता है, जिससे यह छवि वर्गीकरण मॉडल को बेंचमार्किंग के लिए एक उत्कृष्ट विकल्प बनाता है। डेटासेट की संरचना, जिसमें 60,000 प्रशिक्षण छवियां और 10,000 परीक्षण छवियां शामिल हैं, प्रत्येक को 10 वर्गों में से एक के साथ लेबल किया गया है, यह अधिक चुनौतीपूर्ण संदर्भ में विभिन्न मशीन लर्निंग एल्गोरिदम के प्रदर्शन का मूल्यांकन करने के लिए आदर्श बनाता है।

क्या मैं उपयोग कर सकता हूं Ultralytics YOLO फैशन-एमएनआईएसटी जैसे छवि वर्गीकरण कार्यों के लिए?

हाँ Ultralytics YOLO मॉडल का उपयोग छवि वर्गीकरण कार्यों के लिए किया जा सकता है, जिसमें फैशन-MNIST डेटासेट शामिल हैं। YOLOv8, उदाहरण के लिए, विभिन्न दृष्टि कार्यों जैसे कि पहचान, विभाजन और वर्गीकरण का समर्थन करता है। छवि वर्गीकरण कार्यों के साथ आरंभ करने के लिए, वर्गीकरण पृष्ठ देखें।

फैशन-MNIST डेटासेट की प्रमुख विशेषताएं और संरचना क्या हैं?

फैशन-MNIST डेटासेट को दो मुख्य सबसेट में विभाजित किया गया है: 60,000 प्रशिक्षण चित्र और 10,000 परीक्षण चित्र। प्रत्येक छवि एक 28x28-पिक्सेल ग्रेस्केल चित्र है जो 10 फैशन-संबंधित वर्गों में से एक का प्रतिनिधित्व करती है। सादगी और अच्छी तरह से संरचित प्रारूप इसे मशीन सीखने और कंप्यूटर दृष्टि कार्यों में मॉडल के प्रशिक्षण और मूल्यांकन के लिए आदर्श बनाता है। डेटासेट संरचना के बारे में अधिक जानकारी के लिए, डेटासेट संरचना अनुभाग देखें।

मैं अपने शोध में फैशन-एमएनआईएसटी डेटासेट के उपयोग को कैसे स्वीकार कर सकता हूं?

यदि आप अपने शोध या विकास परियोजनाओं में फैशन-MNIST डेटासेट का उपयोग करते हैं, तो GitHub रिपॉजिटरी से लिंक करके इसे स्वीकार करना महत्वपूर्ण है। यह डेटा को ज़ालैंडो रिसर्च को जिम्मेदार ठहराने में मदद करता है, जिसने डेटासेट को सार्वजनिक उपयोग के लिए उपलब्ध कराया।

टिप्पणियाँ