Dataset Fashion-MNIST

Il dataset Fashion-MNIST è un database di immagini di articoli di Zalando, composto da un set di addestramento di 60.000 esempi e un set di test di 10.000 esempi. Ogni esempio è un'immagine in scala di grigi 28x28, associata a un'etichetta appartenente a 10 classi. Fashion-MNIST è pensato per fungere da sostituto diretto del dataset MNIST originale per il benchmarking di algoritmi di machine learning.

Caratteristiche principali

• Fashion-MNIST contiene 60.000 immagini di addestramento e 10.000 immagini di test di articoli di Zalando.
• Il dataset comprende immagini in scala di grigi di dimensioni 28x28 pixel.
• Ogni pixel ha un singolo valore associato che indica la luminosità o l'oscurità del pixel; numeri più alti indicano colori più scuri. Questo valore del pixel è un numero intero compreso tra 0 e 255.
• Fashion-MNIST è ampiamente utilizzato per l'addestramento e il test nel campo del machine learning, specialmente per attività di classificazione di immagini.

Struttura del dataset

Il dataset Fashion-MNIST è diviso in due sottoinsiemi:

1. Training Set (Set di addestramento): Questo sottoinsieme contiene 60.000 immagini utilizzate per addestrare modelli di machine learning.
2. Testing Set (Set di test): Questo sottoinsieme consiste in 10.000 immagini utilizzate per testare e valutare le prestazioni dei modelli addestrati.

Etichette

Ogni esempio di addestramento e di test è assegnato a una delle seguenti etichette:

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Applicazioni

Il dataset Fashion-MNIST è ampiamente utilizzato per addestrare e valutare modelli di deep learning in compiti di classificazione di immagini, come Convolutional Neural Networks (CNN), Support Vector Machines (SVM) e vari altri algoritmi di machine learning. Il formato semplice e ben strutturato del dataset lo rende una risorsa essenziale per ricercatori e professionisti nel campo del machine learning e della computer vision.

Utilizzo

Per addestrare un modello CNN sul dataset Fashion-MNIST per 100 epochs con una dimensione dell'immagine di 28x28, puoi utilizzare i seguenti snippet di codice. Per un elenco completo degli argomenti disponibili, fai riferimento alla pagina Training 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)

Esempi di immagini e annotazioni

Il dataset Fashion-MNIST contiene immagini in scala di grigi di articoli di Zalando, fornendo un dataset ben strutturato per le attività di classificazione di immagini. Ecco alcuni esempi di immagini dal dataset:

L'esempio mostra la varietà e la complessità delle immagini nel dataset Fashion-MNIST, sottolineando l'importanza di un dataset diversificato per l'addestramento di modelli di classificazione di immagini robusti.

Ringraziamenti

Se utilizzi il dataset Fashion-MNIST nel tuo lavoro di ricerca o sviluppo, ti preghiamo di citare il dataset collegandoti al repository GitHub. Questo dataset è stato reso disponibile da Zalando Research.

FAQ

Cos'è il dataset Fashion-MNIST e in cosa differisce da MNIST?

Il dataset Fashion-MNIST è una raccolta di 70.000 immagini in scala di grigi di articoli di Zalando, intesa come sostituto moderno del dataset MNIST originale. Serve come benchmark per i modelli di machine learning nel contesto delle attività di classificazione delle immagini. A differenza di MNIST, che contiene cifre scritte a mano, Fashion-MNIST consiste in immagini di 28x28 pixel suddivise in 10 classi legate alla moda, come T-shirt/top, pantaloni e stivaletti.

Come posso addestrare un modello YOLO sul dataset Fashion-MNIST?

Per addestrare un modello Ultralytics YOLO sul dataset Fashion-MNIST, puoi utilizzare sia i comandi Python che quelli CLI. Ecco un rapido esempio per iniziare:

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)

Per parametri di addestramento più dettagliati, fai riferimento alla pagina di Training.

Perché dovrei usare il dataset Fashion-MNIST per il benchmarking dei miei modelli di machine learning?

Il dataset Fashion-MNIST è ampiamente riconosciuto nella comunità del deep learning come una robusta alternativa a MNIST. Offre un set di immagini più complesso e variegato, rendendolo una scelta eccellente per il benchmarking dei modelli di classificazione di immagini. La struttura del dataset, composta da 60.000 immagini di addestramento e 10.000 immagini di test, ciascuna etichettata con una delle 10 classi, lo rende ideale per valutare le prestazioni di diversi algoritmi di machine learning in un contesto più impegnativo.

Posso usare Ultralytics YOLO per attività di classificazione di immagini come Fashion-MNIST?

Sì, i modelli Ultralytics YOLO possono essere utilizzati per attività di classificazione di immagini, incluse quelle che coinvolgono il dataset Fashion-MNIST. YOLO26, ad esempio, supporta vari task di visione come il rilevamento, la segmentazione di istanze, la semantic segmentation e la classificazione. Per iniziare con le attività di classificazione delle immagini, fai riferimento alla pagina Classificazione.

Quali sono le caratteristiche chiave e la struttura del dataset Fashion-MNIST?

Il dataset Fashion-MNIST è diviso in due sottoinsiemi principali: 60.000 immagini di addestramento e 10.000 immagini di test. Ogni immagine è un'immagine in scala di grigi di 28x28 pixel che rappresenta una delle 10 classi legate alla moda. La semplicità e il formato ben strutturato lo rendono ideale per addestrare e valutare modelli in attività di machine learning e computer vision. Per maggiori dettagli sulla struttura del dataset, consulta la sezione Struttura del dataset.

Come posso riconoscere l'uso del dataset Fashion-MNIST nella mia ricerca?

Se utilizzi il dataset Fashion-MNIST nei tuoi progetti di ricerca o sviluppo, è importante citarlo inserendo un link al repository GitHub. Questo aiuta ad attribuire i dati a Zalando Research, che ha reso il dataset disponibile per l'uso pubblico.