YOLO Vision 2026:
MIT

Dataset Fashion-MNIST#

Il set di dati Fashion-MNIST è un benchmark di image classification composto da 70.000 immagini in scala di grigi 28x28 di articoli di abbigliamento di Zalando, suddivise equamente in 10 classi: maglietta/top, pantaloni, pullover, abito, 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 immediato del set di dati originale MNIST per il benchmarking di algoritmi di machine learning. Per l'equivalente a colori, consulta il relativo set di dati CIFAR-10.

Esplora Fashion-MNIST su Ultralytics Platform per visualizzare i campioni in anteprima, ispezionare le statistiche del dataset e clonarlo per l'addestramento.



Watch: How to do Image Classification on Fashion-MNIST using Ultralytics YOLO

Caratteristiche 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 sull'image classification e sul deep learning.

Struttura 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)
Split di validazione

Fashion-MNIST non ha una cartella di validazione separata, quindi Ultralytics utilizza il set di test da 10.000 immagini come suddivisione di validazione durante l'addestramento per impostazione predefinita.

Applicazioni#

Fashion-MNIST è ampiamente utilizzato per addestrare e valutare modelli di image classification, dai classici Convolutional Neural Networks (CNN) e Support Vector Machines (SVM) alle moderne architetture profonde. Le sue piccole immagini in scala di grigi e le 10 categorie di abbigliamento lo rendono un benchmark veloce e riproducibile per il confronto di algoritmi e la sperimentazione di computer vision, pur essendo più impegnativo rispetto alle cifre scritte a mano di MNIST.

Utilizzo#

Addestra un modello YOLO su Fashion-MNIST per 100 epochs con una dimensione dell'immagine di 28. Per l'elenco completo degli argomenti disponibili, consulta la pagina Training e la guida all'attività di image classification.

Esempio di Addestramento
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#

Esempi di immagini dal dataset Fashion-MNIST:

Campioni del set di dati di classificazione di abbigliamento 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.

Citazioni e riconoscimenti#

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

Citazione
@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 set di dati Fashion-MNIST come risorsa preziosa per la comunità di ricerca di machine learning e computer vision. Per ulteriori informazioni sul set di dati Fashion-MNIST e sui suoi creatori, visita il repository GitHub di Fashion-MNIST.

FAQ#

  • Il set di dati Fashion-MNIST è un benchmark di 70.000 immagini in scala di grigi 28x28 di articoli di abbigliamento di Zalando in 10 classi, creato come sostituto immediato del set di dati originale MNIST. Condivide l'esatta dimensione dell'immagine, il formato e la suddivisione di addestramento/test di 60.000/10.000 di MNIST, ma sostituisce le cifre scritte a mano con categorie di moda più difficili, come maglietta/top, pantaloni e stivaletto, rendendolo un benchmark più impegnativo per i modelli di image classification.

  • Per addestrare un modello Ultralytics YOLO su Fashion-MNIST, usa i frammenti di codice sottostanti. Il set di dati viene scaricato automaticamente al primo utilizzo. Per un elenco completo degli argomenti, consulta la pagina di Training del modello.

    Esempio di Addestramento
    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)

  • 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.

  • 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.

  • Sì. Ultralytics Platform ti consente di gestire set di dati, addestrare modelli di image classification e distribuirli senza una programmazione complessa. È un modo comodo per eseguire esperimenti Fashion-MNIST nel cloud e puoi esplorare ulteriori opzioni nella nostra panoramica sui set di dati di classificazione.

Contributori
GLglenn-jocher15RAraimbekovm3RIRizwanMunawar3MAMatthewNoyce1JKjk4e1

Commenti