Link to this sectionDataset Fashion-MNIST#

Il dataset Fashion-MNIST è un benchmark di classificazione di immagini composto da 70.000 immagini in scala di grigi 28x28 di articoli di abbigliamento Zalando, suddivise equamente in 10 classi: T-shirt/top, pantaloni, pullover, vestito, cappotto, sandalo, camicia, scarpa da ginnastica, borsa e stivaletto. Viene fornito con una suddivisione predefinita di 60.000 immagini di addestramento e 10.000 di test (7.000 per classe) e funge da sostituto diretto del dataset MNIST originale per il benchmarking di algoritmi di machine learning. Per l'equivalente a colori, consulta il relativo dataset CIFAR-10.

Link to this sectionCaratteristiche principali#

• Fashion-MNIST contiene 70.000 immagini in scala di grigi da 28x28 pixel, suddivise equamente in 10 classi.
• Ogni classe contiene esattamente 7.000 immagini — 6.000 per l'addestramento e 1.000 per il test — quindi il dataset è perfettamente bilanciato.
• È un sostituto diretto per MNIST: dimensioni dell'immagine, formato e struttura di suddivisione sono identici, ma con categorie di abbigliamento più difficili al posto delle cifre scritte a mano.
• Il dataset viene fornito con una suddivisione predefinita tra addestramento e test, quindi non è necessaria alcuna divisione manuale o automatica.
• Fashion-MNIST è un benchmark standard per la ricerca nella classificazione di immagini e nel deep learning.

Link to this sectionStruttura del dataset#

Fashion-MNIST viene fornito con una suddivisione ufficiale predefinita, quindi non è necessaria alcuna partizione automatica o manuale:

• Classi: 10 (T-shirt/top, pantaloni, pullover, vestito, cappotto, sandalo, camicia, scarpa da ginnastica, borsa, stivaletto)
• Immagini totali: 70.000 (28x28 in scala di grigi)
• Set di addestramento: 60.000 immagini (6.000 per classe)
• Set di test: 10.000 immagini (1.000 per classe)

Link to this sectionApplicazioni#

Fashion-MNIST è ampiamente utilizzato per addestrare e valutare modelli di classificazione di immagini, dalle classiche Reti Neurali Convoluzionali (CNN) e Macchine a Vettori di Supporto (SVM) alle moderne architetture profonde. Le sue piccole immagini in scala di grigi e le 10 categorie di abbigliamento lo rendono un benchmark rapido e riproducibile per il confronto di algoritmi e la sperimentazione nella computer vision, risultando più impegnativo delle cifre scritte a mano di MNIST.

Link to this sectionUtilizzo#

Addestra un modello YOLO su Fashion-MNIST per 100 epoche con una dimensione immagine di 28. Per l'elenco completo degli argomenti disponibili, consulta la pagina Addestramento e la guida all'attività di classificazione di immagini.

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 sectionEsempi di immagini e annotazioni#

Esempi di immagini dal dataset Fashion-MNIST:

I campioni mostrano la varietà delle categorie di abbigliamento nel dataset Fashion-MNIST, sottolineando il valore di un dataset variegato per l'addestramento di modelli robusti di classificazione di immagini.

Link to this sectionCitazioni e riconoscimenti#

Se utilizzi il dataset Fashion-MNIST nel tuo lavoro di ricerca o sviluppo, cita il seguente articolo:

@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}
}

Desideriamo ringraziare Zalando Research per aver creato e mantenuto il dataset Fashion-MNIST come una risorsa preziosa per la comunità di ricerca nel machine learning e nella computer vision. Per ulteriori informazioni sul dataset Fashion-MNIST e sui suoi creatori, visita il repository GitHub di Fashion-MNIST.

Link to this sectionFAQ#

Link to this sectionCos'è il dataset Fashion-MNIST e in che modo differisce da MNIST?#

Il dataset Fashion-MNIST è un benchmark di 70.000 immagini in scala di grigi 28x28 di articoli di abbigliamento Zalando suddivise in 10 classi, creato come sostituto diretto del dataset MNIST originale. Condivide con MNIST le esatte dimensioni dell'immagine, il formato e la suddivisione 60.000/10.000 per train/test, ma sostituisce le cifre scritte a mano con categorie di moda più difficili — come T-shirt/top, pantaloni e stivaletto — rendendolo un benchmark più impegnativo per i modelli di classificazione di immagini.

Link to this sectionCome posso addestrare un modello YOLO di Ultralytics sul dataset Fashion-MNIST?#

Per addestrare un modello YOLO di Ultralytics su Fashion-MNIST, usa gli snippet di codice qui sotto. Il dataset viene scaricato automaticamente al primo utilizzo. Per un elenco completo di argomenti, consulta la pagina di Addestramento del modello.

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 sectionQuante classi ha il dataset Fashion-MNIST?#

Fashion-MNIST ha 10 classi — T-shirt/top, pantaloni, pullover, vestito, cappotto, sandalo, camicia, scarpa da ginnastica, borsa e stivaletto — con esattamente 7.000 immagini ciascuna, per un totale di 70.000 immagini. Ogni immagine è una foto in scala di grigi 28x28 di un singolo articolo di abbigliamento Zalando e le classi sono perfettamente bilanciate.

Link to this sectionCome è suddiviso il dataset Fashion-MNIST in set di addestramento e di test?#

Fashion-MNIST viene fornito con una suddivisione predefinita di 60.000 immagini di addestramento e 10.000 immagini di test, con esattamente 6.000 immagini di addestramento e 1.000 di test per classe. A differenza dei dataset di classificazione basati su cartelle che Ultralytics suddivide automaticamente, la partizione ufficiale di Fashion-MNIST viene utilizzata così com'è e il set di test funge da suddivisione di validazione durante l'addestramento per impostazione predefinita.

Link to this sectionPosso utilizzare la Piattaforma Ultralytics per addestrare modelli sul dataset Fashion-MNIST?#

Sì. La Piattaforma Ultralytics ti consente di gestire i dataset, addestrare modelli di classificazione di immagini e distribuirli senza scrivere molto codice. È un modo conveniente per eseguire esperimenti con Fashion-MNIST nel cloud e puoi esplorare ulteriori opzioni nella nostra panoramica sui dataset di classificazione.