Fashion-MNIST 데이터 세트
Fashion-MNIST 데이터 세트는 Zalando의 의류 이미지 데이터베이스로, 60,000개의 예제로 구성된 훈련 세트와 10,000개의 예제로 구성된 테스트 세트로 이루어져 있습니다. 각 예제는 28x28 흑백 이미지이며, 10개 클래스의 레이블과 연결되어 있습니다. Fashion-MNIST는 머신 러닝 알고리즘 벤치마킹을 위해 원래 MNIST 데이터 세트를 직접 대체할 수 있도록 만들어졌습니다.
참고: 수행 방법 이미지 분류 Ultralytics YOLO11을 사용한 Fashion MNIST 데이터 세트
주요 기능
- Fashion-MNIST는 Zalando의 의류 이미지로 구성된 60,000개의 학습 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 기계 학습 분야, 특히 이미지 분류 작업에서 학습 및 테스트에 널리 사용됩니다.
데이터 세트 구조
Fashion-MNIST 데이터 세트는 다음과 같이 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 데이터 세트는 CNN(Convolutional Neural Networks), SVM(Support Vector Machines) 및 기타 다양한 머신 러닝 알고리즘과 같은 이미지 분류 작업에서 딥 러닝 모델을 훈련하고 평가하는 데 널리 사용됩니다. 이 데이터 세트의 간단하고 잘 구성된 형식은 머신 러닝 및 컴퓨터 비전 분야의 연구원과 실무자에게 필수적인 리소스입니다.
사용법
28x28 이미지 크기로 Fashion-MNIST 데이터 세트에서 CNN 모델을 100 epoch 동안 훈련하려면 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("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
샘플 이미지 및 주석
Fashion-MNIST 데이터 세트는 Zalando의 의류 이미지에 대한 흑백 이미지를 포함하고 있으며, 이미지 분류 작업을 위한 잘 구성된 데이터 세트를 제공합니다. 다음은 데이터 세트의 이미지 예시입니다.
이 예는 Fashion-MNIST 데이터 세트의 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 훈련하기 위한 다양한 데이터 세트의 중요성을 강조합니다.
감사의 말씀
연구 또는 개발 작업에서 Fashion-MNIST 데이터 세트를 사용하는 경우 GitHub 저장소에 링크하여 데이터 세트를 알려주십시오. 이 데이터 세트는 Zalando Research에서 제공했습니다.
FAQ
Fashion-MNIST 데이터 세트란 무엇이며 MNIST와 어떻게 다른가요?
Fashion-MNIST 데이터 세트는 Zalando의 의류 이미지 70,000장으로 구성된 흑백 이미지 모음으로, 기존 MNIST 데이터 세트를 대체하기 위해 만들어졌습니다. 이미지 분류 작업에서 머신 러닝 모델의 벤치마크 역할을 합니다. 손으로 쓴 숫자로 구성된 MNIST와 달리 Fashion-MNIST는 티셔츠/탑, 바지, 앵클부츠와 같이 패션 관련 10가지 클래스로 분류된 28x28 픽셀 이미지로 구성됩니다.
Fashion-MNIST 데이터 세트에서 YOLO 모델을 어떻게 훈련할 수 있나요?
Fashion-MNIST 데이터 세트에서 Ultralytics YOLO 모델을 학습시키려면 python 및 CLI 명령을 모두 사용할 수 있습니다. 시작하는 데 도움이 되는 간단한 예제는 다음과 같습니다.
훈련 예제
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
자세한 학습 파라미터는 학습 페이지를 참조하십시오.
머신 러닝 모델의 벤치마킹에 Fashion-MNIST 데이터 세트를 사용해야 하는 이유는 무엇인가요?
Fashion-MNIST 데이터 세트는 딥 러닝 커뮤니티에서 MNIST의 강력한 대안으로 널리 알려져 있습니다. 더 복잡하고 다양한 이미지 세트를 제공하므로 이미지 분류 모델을 벤치마킹하는 데 탁월한 선택입니다. 60,000개의 학습 이미지와 10,000개의 테스트 이미지로 구성된 데이터 세트의 구조는 각각 10개의 클래스 중 하나로 레이블이 지정되어 있어 보다 어려운 컨텍스트에서 다양한 머신 러닝 알고리즘의 성능을 평가하는 데 이상적입니다.
Fashion-MNIST와 같은 이미지 분류 작업에 Ultralytics YOLO를 사용할 수 있습니까?
예, Ultralytics YOLO 모델은 Fashion-MNIST 데이터 세트와 관련된 작업을 포함하여 이미지 분류 작업에 사용할 수 있습니다. 예를 들어 YOLO11은 감지, 분할 및 분류와 같은 다양한 비전 작업을 지원합니다. 이미지 분류 작업을 시작하려면 분류 페이지를 참조하십시오.
Fashion-MNIST 데이터 세트의 주요 특징과 구조는 무엇입니까?
Fashion-MNIST 데이터 세트는 60,000개의 훈련 이미지와 10,000개의 테스트 이미지의 두 가지 주요 하위 집합으로 나뉩니다. 각 이미지는 10개의 패션 관련 클래스 중 하나를 나타내는 28x28픽셀 회색조 그림입니다. 단순성과 잘 구성된 형식은 머신 러닝 및 컴퓨터 비전 작업에서 모델을 훈련하고 평가하는 데 이상적입니다. 데이터 세트 구조에 대한 자세한 내용은 데이터 세트 구조 섹션을 참조하십시오.
내 연구에서 Fashion-MNIST 데이터 세트 사용을 어떻게 알릴 수 있습니까?
연구 또는 개발 프로젝트에서 Fashion-MNIST 데이터 세트를 사용하는 경우 GitHub 리포지토리에 연결하여 이를 인정하는 것이 중요합니다. 이는 데이터를 Zalando Research에 귀속시키는 데 도움이 되며, Zalando Research는 데이터 세트를 공개적으로 사용할 수 있도록 했습니다.
