Fashion-MNIST 데이터셋#

The Fashion-MNIST dataset is an image classification benchmark of 70,000 28x28 grayscale images of Zalando's clothing articles, evenly split across 10 classes — T-shirt/top, trouser, pullover, dress, coat, sandal, shirt, sneaker, bag, and ankle boot. It ships with a predefined split of 60,000 training and 10,000 test images (7,000 per class) and serves as a drop-in replacement for the original MNIST dataset for benchmarking machine learning algorithms. For the color-image equivalent, see the related CIFAR-10 dataset.

주요 특징#

• Fashion-MNIST는 28x28 픽셀 크기의 그레이스케일 이미지 70,000개를 포함하며, 10개의 클래스로 균등하게 나뉘어 있습니다.
• 각 클래스는 정확히 7,000개의 이미지를 포함하며(학습용 6,000개, 테스트용 1,000개), 따라서 데이터셋이 완벽하게 균형을 이루고 있습니다.
• 이 데이터셋은 MNIST를 완벽하게 대체합니다. 동일한 이미지 크기, 형식 및 분할 구조를 유지하면서도 손글씨 숫자 대신 더 복잡한 의류 카테고리를 제공합니다.
• 이 데이터셋은 학습/테스트 분할이 미리 정의되어 제공되므로 수동 또는 자동 분할이 필요하지 않습니다.
• Fashion-MNIST는 image classification 및 deep learning 연구를 위한 표준 벤치마크입니다.

데이터셋 구조#

Fashion-MNIST는 공식적으로 미리 정의된 분할을 포함하고 있으므로 별도의 자동 또는 수동 파티셔닝이 필요하지 않습니다:

• 클래스: 10개 (T셔츠/상의, 바지, 풀오버, 드레스, 코트, 샌들, 셔츠, 스니커즈, 가방, 앵클 부츠)
• 총 이미지 수: 70,000개 (28x28 그레이스케일)
• 학습 세트: 60,000개 이미지 (클래스당 6,000개)
• 테스트 세트: 10,000개 이미지(클래스당 1,000개)

응용 분야#

Fashion-MNIST는 클래식한 Convolutional Neural Networks(CNN) 및 Support Vector Machines(SVM)부터 최신 딥 아키텍처에 이르기까지 image classification 모델을 학습하고 평가하는 데 널리 사용됩니다. 작은 그레이스케일 이미지와 10가지 의류 카테고리를 통해 MNIST의 손글씨 숫자보다 더 까다로우면서도 알고리즘 비교 및 computer vision 실험을 위한 빠르고 재현 가능한 벤치마크 역할을 합니다.

사용법#

이미지 크기 28로 100 epochs 동안 Fashion-MNIST에서 YOLO 모델을 학습합니다. 사용 가능한 전체 인수 목록은 Training 페이지와 image classification 작업 가이드를 참조하세요.

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)

샘플 이미지 및 주석#

Fashion-MNIST 데이터셋의 샘플 이미지:

이 샘플들은 Fashion-MNIST 데이터셋의 다양한 의류 카테고리를 보여주며, 강력한 이미지 분류 모델 학습을 위해 다양한 데이터셋이 갖는 가치를 강조합니다.

인용 및 감사의 글#

연구 또는 개발 작업에 Fashion-MNIST 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오:

@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}
}

machine learning 및 computer vision 연구 커뮤니티를 위한 가치 있는 리소스인 Fashion-MNIST 데이터셋을 생성하고 유지 관리해 준 Zalando Research에 감사를 표합니다. Fashion-MNIST 데이터셋과 제작자에 대한 자세한 내용은 Fashion-MNIST GitHub repository를 방문하세요.

FAQ#

Fashion-MNIST 데이터셋이란 무엇이며 MNIST와 어떻게 다른가요?#

The Fashion-MNIST dataset is a benchmark of 70,000 28x28 grayscale images of Zalando's clothing articles across 10 classes, created as a drop-in replacement for the original MNIST dataset. It shares MNIST's exact image size, format, and 60,000/10,000 train/test split, but replaces handwritten digits with harder fashion categories — such as T-shirt/top, trouser, and ankle boot — making it a more demanding benchmark for image classification models.

Fashion-MNIST 데이터셋에서 Ultralytics YOLO 모델을 어떻게 학습시킬 수 있습니까?#

To train an Ultralytics YOLO model on Fashion-MNIST, use the code snippets below. The dataset downloads automatically on first use. For a full list of arguments, see the model Training page.

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 데이터셋에는 몇 개의 클래스가 있습니까?#

Fashion-MNIST는 T셔츠/상의, 바지, 풀오버, 드레스, 코트, 샌들, 셔츠, 스니커즈, 가방, 앵클 부츠 등 10개의 클래스를 가지며, 각각 정확히 7,000개의 이미지가 포함되어 총 70,000개의 이미지를 구성합니다. 모든 이미지는 단일 Zalando 의류 제품을 담은 28x28 그레이스케일 사진이며, 클래스는 완벽하게 균형을 이루고 있습니다.

Fashion-MNIST 데이터셋은 학습 세트와 테스트 세트로 어떻게 나뉘어 있습니까?#

Fashion-MNIST는 60,000개의 학습 이미지와 10,000개의 테스트 이미지로 미리 분할되어 제공되며, 클래스당 정확히 6,000개의 학습 이미지와 1,000개의 테스트 이미지를 포함합니다. Ultralytics가 자동으로 분할하는 폴더 기반 분류 데이터셋과 달리, Fashion-MNIST의 공식 파티션은 그대로 사용되며 테스트 세트는 학습 중 기본적으로 검증 세트로 사용됩니다.

Fashion-MNIST 데이터셋에서 모델을 학습시키기 위해 Ultralytics Platform을 사용할 수 있습니까?#

Yes. Ultralytics Platform lets you manage datasets, train image classification models, and deploy them without extensive coding. It is a convenient way to run Fashion-MNIST experiments in the cloud, and you can explore more options in our classification datasets overview.