Dataset Fashion-MNIST
Il dataset Fashion-MNIST è un database di immagini di articoli di Zalando, costituito 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 di 28x28, associata a un'etichetta da 10 classi. Fashion-MNIST è inteso come un sostituto diretto del dataset MNIST originale per il benchmarking degli algoritmi di machine learning.
Guarda: Come fare Classificazione delle immagini sul dataset Fashion MNIST utilizzando Ultralytics YOLO11
Caratteristiche principali
- Fashion-MNIST contiene 60.000 immagini di addestramento e 10.000 immagini di test degli articoli di Zalando.
- Il dataset comprende immagini in scala di grigi di dimensioni 28x28 pixel.
- Ogni pixel ha un singolo valore di pixel associato, che indica la chiarezza o l'oscurità di quel pixel, con numeri più alti che significano più scuro. Questo valore di pixel è un numero intero compreso tra 0 e 255.
- Fashion-MNIST è ampiamente utilizzato per l'addestramento e il test nel campo dell'apprendimento automatico, in particolare per le attività di classificazione delle immagini.
Struttura del set di dati
Il dataset Fashion-MNIST è suddiviso in due sottoinsiemi:
- Set di addestramento: Questo sottoinsieme contiene 60.000 immagini utilizzate per l'addestramento di modelli di machine learning.
- Set di test: Questo sottoinsieme è costituito da 10.000 immagini utilizzate per testare e valutare i modelli addestrati.
Etichette
Ogni esempio di addestramento e 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 l'addestramento e la valutazione di modelli di deep learning nelle attività di classificazione delle immagini, come le reti neurali convoluzionali (CNN), le macchine a vettori di supporto (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 epoche con una dimensione dell'immagine di 28x28, è possibile utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consultare la pagina di Training del modello.
Esempio di addestramento
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-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 classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
Immagini di esempio e annotazioni
Il dataset Fashion-MNIST contiene immagini in scala di grigi degli articoli di Zalando, fornendo un dataset ben strutturato per le attività di classificazione delle immagini. Ecco alcuni esempi di immagini dal dataset:
L'esempio mostra la varietà e la complessità delle immagini nel dataset Fashion-MNIST, evidenziando l'importanza di un dataset diversificato per l'addestramento di modelli di classificazione delle immagini robusti.
Ringraziamenti
Se utilizzi il dataset Fashion-MNIST nel tuo lavoro di ricerca o sviluppo, riconosci 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 immagini di articoli di Zalando, inteso come un sostituto moderno per il dataset MNIST originale. Serve come benchmark per i modelli di machine learning nel contesto dei compiti di classificazione delle immagini. A differenza di MNIST, che contiene cifre scritte a mano, Fashion-MNIST è costituito da immagini di 28x28 pixel classificate in 10 classi relative alla moda, come T-shirt/top, pantaloni e stivaletti.
Come posso addestrare un modello YOLO sul set di dati Fashion-MNIST?
Per addestrare un modello Ultralytics YOLO sul dataset Fashion-MNIST, puoi utilizzare sia comandi Python che CLI. Ecco un esempio rapido per iniziare:
Esempio di addestramento
from ultralytics import YOLO
# Load a pretrained model
model = YOLO("yolo11n-cls.pt")
# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
Per parametri di addestramento più dettagliati, fare riferimento alla pagina Addestramento.
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 valida alternativa a MNIST. Offre un set di immagini più complesso e vario, rendendolo una scelta eccellente per il benchmarking dei modelli di classificazione delle immagini. La struttura del dataset, comprendente 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 stimolante.
Posso utilizzare Ultralytics YOLO per attività di classificazione delle immagini come Fashion-MNIST?
Sì, i modelli Ultralytics YOLO possono essere utilizzati per attività di classificazione delle immagini, comprese quelle che coinvolgono il dataset Fashion-MNIST. YOLO11, ad esempio, supporta varie attività di visione come il rilevamento, la segmentazione e la classificazione. Per iniziare con le attività di classificazione delle immagini, fare riferimento alla Classification page.
Quali sono le caratteristiche principali 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 una foto in scala di grigi di 28x28 pixel che rappresenta una delle 10 classi relative alla moda. La semplicità e il formato ben strutturato lo rendono ideale per l'addestramento e la valutazione di modelli nelle attività di machine learning e computer vision. Per maggiori dettagli sulla struttura del dataset, vedere 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 riconoscerlo collegandoti al repository GitHub. Questo aiuta ad attribuire i dati a Zalando Research, che ha reso il dataset disponibile per l'uso pubblico.