Link to this sectionFashion-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.

Link to this section주요 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 이미지 분류 및 딥러닝 연구를 위한 표준 벤치마크입니다.

Link to this section데이터셋 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)

Link to this section응용 분야#

Fashion-MNIST is widely used to train and evaluate image classification models, from classic Convolutional Neural Networks (CNNs) and Support Vector Machines (SVMs) to modern deep architectures. Its small grayscale images and 10 clothing categories make it a fast, reproducible benchmark for algorithm comparison and computer vision experimentation, while being more challenging than the handwritten digits of MNIST.

Link to this section사용법#

이미지 크기 28에서 100 에폭 동안 Fashion-MNIST로 YOLO 모델을 학습시키십시오. 사용 가능한 전체 인수 목록은 학습 페이지와 이미지 분류 작업 가이드를 참조하십시오.

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)

Link to this section샘플 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.

Link to this section인용 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}
}

머신 러닝 및 컴퓨터 비전 연구 커뮤니티를 위한 소중한 자원으로서 Fashion-MNIST 데이터셋을 생성하고 유지 관리해 준 Zalando Research에 감사를 표합니다. Fashion-MNIST 데이터셋 및 제작자에 대한 자세한 내용은 Fashion-MNIST GitHub 저장소를 방문하십시오.

Link to this sectionFAQ#

Link to this sectionFashion-MNIST 데이터셋이란 무엇이며 MNIST와 어떻게 다른가요?#

Fashion-MNIST 데이터셋은 원래의 MNIST 데이터셋을 완벽하게 대체하기 위해 생성된, 10개 클래스에 걸친 Zalando 의류 제품의 28x28 그레이스케일 이미지 70,000개로 구성된 벤치마크입니다. MNIST와 정확히 동일한 이미지 크기, 형식 및 60,000/10,000의 학습/테스트 분할 비율을 공유하지만, 손글씨 숫자를 T셔츠/상의, 바지, 앵클 부츠와 같은 더 어려운 패션 카테고리로 대체하여 이미지 분류 모델을 위한 더욱 까다로운 벤치마크를 제공합니다.

Link to this sectionFashion-MNIST 데이터셋에서 Ultralytics YOLO 모델을 어떻게 학습시킬 수 있습니까?#

Fashion-MNIST에서 Ultralytics YOLO 모델을 학습시키려면 아래 코드 스니펫을 사용하십시오. 데이터셋은 처음 사용할 때 자동으로 다운로드됩니다. 전체 인수 목록은 모델 학습 페이지를 참조하십시오.

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)

Link to this sectionFashion-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.

Link to this sectionFashion-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.

Link to this sectionFashion-MNIST 데이터셋에서 모델을 학습시키기 위해 Ultralytics Platform을 사용할 수 있습니까?#

네. Ultralytics Platform을 사용하면 광범위한 코딩 없이도 데이터셋을 관리하고 이미지 분류 모델을 학습시키며 배포할 수 있습니다. 이는 클라우드에서 Fashion-MNIST 실험을 실행하는 편리한 방법이며, 분류 데이터셋 개요에서 더 많은 옵션을 살펴볼 수 있습니다.