Fashion-MNIST 데이터셋
Fashion-MNIST 데이터셋은 Zalando의 상품 이미지 데이터베이스로, 60,000개의 훈련 세트와 10,000개의 테스트 세트로 구성되어 있습니다. 각 예시는 10가지 클래스 중 하나의 레이블과 연결된 28x28 그레이스케일 이미지입니다. Fashion-MNIST는 머신러닝 알고리즘 벤치마킹을 위한 기존 MNIST 데이터셋의 직접적인 대체제로 사용될 목적으로 만들어졌습니다.
참고: 수행 방법 이미지 분류 Ultralytics YOLO26을 사용한 Fashion MNIST 데이터셋에서
주요 기능
- Fashion-MNIST는 Zalando의 상품 이미지 60,000개의 훈련 이미지와 10,000개의 테스트 이미지를 포함합니다.
- 데이터 세트는 크기가 28x28픽셀인 회색조 이미지로 구성됩니다.
- 각 픽셀에는 해당 픽셀의 밝기 또는 어둡기를 나타내는 단일 픽셀 값이 연결되어 있으며, 숫자가 높을수록 더 어둡습니다. 이 픽셀 값은 0과 255 사이의 정수입니다.
- Fashion-MNIST는 머신러닝 분야, 특히 이미지 분류 작업에서 훈련 및 테스트에 널리 사용됩니다.
데이터 세트 구조
Fashion-MNIST 데이터셋은 두 개의 하위 집합으로 나뉩니다:
- 학습 세트: 이 하위 집합은 머신 러닝 모델 학습에 사용되는 60,000개의 이미지를 포함합니다.
- 테스트 세트: 이 하위 집합은 훈련된 모델의 테스트 및 벤치마킹에 사용되는 10,000개의 이미지로 구성됩니다.
레이블
각 학습 및 테스트 예제는 다음 레이블 중 하나에 할당됩니다.
0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot
응용 분야
Fashion-MNIST 데이터셋은 컨볼루션 신경망(CNN), 서포트 벡터 머신(SVM) 및 다양한 기타 머신러닝 알고리즘과 같은 이미지 분류 작업에서 딥러닝 모델을 훈련하고 평가하는 데 널리 사용됩니다. 데이터셋의 간단하고 잘 구조화된 형식은 머신러닝 및 컴퓨터 비전 분야의 연구자와 실무자에게 필수적인 리소스가 됩니다.
사용법
28x28 이미지 크기로 Fashion-MNIST 데이터셋에서 CNN 모델을 100 에포크 동안 훈련시키려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하십시오.
훈련 예제
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)
# Start training from a pretrained *.pt model
yolo classify train data=fashion-mnist model=yolo26n-cls.pt epochs=100 imgsz=28
샘플 이미지 및 주석
Fashion-MNIST 데이터셋은 Zalando의 상품 이미지 그레이스케일 이미지를 포함하며, 이미지 분류 작업을 위한 잘 구조화된 데이터셋을 제공합니다. 다음은 데이터셋의 이미지 예시입니다:
이 예시는 Fashion-MNIST 데이터셋에 있는 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델 훈련을 위한 다양한 데이터셋의 중요성을 강조합니다.
감사의 말씀
연구 또는 개발 작업에서 Fashion-MNIST 데이터셋을 사용하는 경우, GitHub 저장소에 링크하여 데이터셋을 명시해 주십시오. 이 데이터셋은 Zalando Research에서 제공했습니다.
FAQ
Fashion-MNIST 데이터셋이란 무엇이며 MNIST와 어떻게 다릅니까?
Fashion-MNIST 데이터셋은 Zalando의 상품 이미지 70,000개로 구성된 그레이스케일 이미지 모음으로, 기존 MNIST 데이터셋의 현대적인 대체제로 의도되었습니다. 이는 이미지 분류 작업 맥락에서 머신러닝 모델의 벤치마크 역할을 합니다. 손글씨 숫자를 포함하는 MNIST와 달리, Fashion-MNIST는 티셔츠/상의, 바지, 발목 부츠와 같은 10가지 패션 관련 클래스로 분류된 28x28 픽셀 이미지로 구성됩니다.
Fashion-MNIST 데이터셋에서 YOLO 모델을 어떻게 학습시킬 수 있습니까?
Fashion-MNIST 데이터셋에서 Ultralytics YOLO 모델을 훈련시키려면 Python 및 CLI 명령을 모두 사용할 수 있습니다. 시작하는 데 도움이 되는 간단한 예시입니다:
훈련 예제
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)
yolo classify train data=fashion-mnist model=yolo26n-cls.pt epochs=100 imgsz=28
자세한 학습 파라미터는 학습 페이지를 참조하십시오.
머신러닝 모델 벤치마킹을 위해 Fashion-MNIST 데이터셋을 사용해야 하는 이유는 무엇입니까?
Fashion-MNIST 데이터셋은 딥러닝 커뮤니티에서 MNIST의 강력한 대안으로 널리 인정받고 있습니다. 더 복잡하고 다양한 이미지 세트를 제공하여 이미지 분류 모델 벤치마킹에 탁월한 선택입니다. 60,000개의 훈련 이미지와 10,000개의 테스트 이미지로 구성되며, 각 이미지는 10가지 클래스 중 하나로 레이블링된 데이터셋 구조는 더 도전적인 맥락에서 다양한 머신러닝 알고리즘의 성능을 평가하는 데 이상적입니다.
Fashion-MNIST와 같은 이미지 분류 작업에 Ultralytics YOLO를 사용할 수 있습니까?
네, Ultralytics YOLO 모델은 Fashion-MNIST 데이터셋을 포함한 이미지 분류 작업에 사용될 수 있습니다. 예를 들어, YOLO26은 detect, segmentation 및 분류와 같은 다양한 비전 작업을 지원합니다. 이미지 분류 작업을 시작하려면 분류 페이지를 참조하십시오.
Fashion-MNIST 데이터셋의 주요 특징과 구조는 무엇입니까?
Fashion-MNIST 데이터셋은 두 가지 주요 하위 집합으로 나뉩니다: 60,000개의 훈련 이미지와 10,000개의 테스트 이미지. 각 이미지는 10가지 패션 관련 클래스 중 하나를 나타내는 28x28 픽셀 그레이스케일 사진입니다. 간단하고 잘 구조화된 형식은 머신러닝 및 컴퓨터 비전 작업에서 모델을 훈련하고 평가하는 데 이상적입니다. 데이터셋 구조에 대한 자세한 내용은 데이터셋 구조 섹션을 참조하십시오.
제 연구에서 Fashion-MNIST 데이터셋 사용을 어떻게 명시할 수 있나요?
연구 또는 개발 프로젝트에서 Fashion-MNIST 데이터셋을 활용하는 경우, GitHub 저장소에 링크하여 이를 명시하는 것이 중요합니다. 이는 데이터셋을 공개적으로 사용할 수 있도록 제공한 Zalando Research에 데이터를 귀속시키는 데 도움이 됩니다.
