Ultralytics YOLO27:
MIT

Fashion-MNIST 데이터셋#

Fashion-MNIST 데이터셋은 Zalando 의류 제품으로 구성된 28x28 그레이스케일 이미지 70,000개의 이미지 분류 벤치마크이며, 10개 클래스에 균등하게 나뉩니다 — 티셔츠/상의, 바지, 풀오버, 드레스, 코트, 샌들, 셔츠, 스니커즈, 가방, 앵클 부츠입니다. 60,000개의 학습 이미지와 10,000개의 테스트 이미지(클래스당 7,000개)로 구성된 사전 정의된 분할을 제공하며, 머신 러닝 알고리즘 벤치마킹을 위해 기존 MNIST 데이터셋을 그대로 대체하여 사용할 수 있습니다. 컬러 이미지에 해당하는 데이터셋은 관련 CIFAR-10 데이터셋을 참조하십시오.

샘플을 미리 보고, 데이터셋 통계를 확인하고, 학습을 위해 복제하려면 Ultralytics Platform의 Fashion-MNIST를 살펴보십시오.



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

주요 기능#

  • Fashion-MNIST에는 28x28 픽셀의 그레이스케일 이미지 70,000개가 포함되어 있으며, 10개 클래스에 균등하게 나뉩니다.
  • 각 클래스에는 정확히 7,000개의 이미지가 포함됩니다 — 학습용 6,000개와 테스트용 1,000개이므로 데이터셋은 완벽하게 균형을 이룹니다.
  • MNIST를 그대로 대체하여 사용할 수 있습니다. 이미지 크기, 형식, 분할 구조는 동일하지만 손글씨 숫자 대신 더 어려운 의류 카테고리로 구성됩니다.
  • 데이터셋에는 사전 정의된 학습/테스트 분할이 포함되어 있으므로 수동 또는 자동 분할이 필요하지 않습니다.
  • Fashion-MNIST는 이미지 분류 및 딥 러닝 연구를 위한 표준 벤치마크입니다.

데이터셋 구조#

Fashion-MNIST는 공식 사전 정의 분할을 제공하므로 자동 또는 수동 파티셔닝이 필요하지 않습니다:

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

Fashion-MNIST에는 별도의 검증 폴더가 없으므로 Ultralytics는 기본적으로 학습 중 10,000개 이미지로 구성된 테스트 세트를 검증 분할로 사용합니다.

응용 분야#

Fashion-MNIST는 고전적인 합성곱 신경망 (CNNs)과 서포트 벡터 머신 (SVMs)부터 최신 딥 아키텍처에 이르기까지 이미지 분류 모델을 학습하고 평가하는 데 널리 사용됩니다. 작은 그레이스케일 이미지와 10개의 의류 카테고리로 구성되어 알고리즘 비교 및 컴퓨터 비전 실험을 위한 빠르고 재현 가능한 벤치마크를 제공하며, MNIST의 손글씨 숫자보다 더 어렵습니다.

사용법#

이미지 크기 28에서 100개 에포크 동안 Fashion-MNIST에서 YOLO 모델을 학습합니다. 사용 가능한 인수의 전체 목록은 학습 페이지와 이미지 분류 작업 가이드를 참조하십시오.

학습 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)

샘플 이미지 및 주석#

Fashion-MNIST 데이터셋의 샘플 이미지:

Fashion-MNIST 의류 분류 데이터셋 샘플

샘플은 Fashion-MNIST 데이터셋에 포함된 다양한 의류 카테고리를 보여주며, 견고한 이미지 분류 모델을 학습하기 위해 다양한 데이터셋이 중요하다는 점을 강조합니다.

인용 및 감사의 글#

연구 또는 개발 작업에서 Fashion-MNIST 데이터셋을 사용하는 경우 다음 논문을 인용하십시오:

인용문
@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}
}

귀중한 머신 러닝 및 컴퓨터 비전 연구 커뮤니티를 위한 유용한 리소스인 Fashion-MNIST 데이터셋을 제작하고 유지 관리해 주신 Zalando Research에 감사드립니다. Fashion-MNIST 데이터셋과 제작자에 대한 자세한 내용은 Fashion-MNIST GitHub 리포지토리를 참조하시기 바랍니다.

FAQ#

  • Fashion-MNIST 데이터셋은 Zalando 의류 제품으로 구성된 28x28 그레이스케일 이미지 70,000개의 10개 클래스 벤치마크로, 기존 MNIST 데이터셋을 그대로 대체하여 사용할 수 있도록 만들어졌습니다. MNIST와 이미지 크기, 형식, 60,000/10,000 학습/테스트 분할이 정확히 동일하지만, 손글씨 숫자를 티셔츠/상의, 바지, 앵클 부츠와 같은 더 어려운 패션 카테고리로 대체하여 이미지 분류 모델에 더 까다로운 벤치마크를 제공합니다.

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

    학습 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)

  • Fashion-MNIST에는 티셔츠/상의, 바지, 풀오버, 드레스, 코트, 샌들, 셔츠, 스니커즈, 가방, 앵클 부츠의 10개 클래스가 있으며, 각 클래스에 정확히 7,000개씩, 총 70,000개의 이미지가 포함됩니다. 모든 이미지는 하나의 Zalando 의류 제품을 담은 28x28 그레이스케일 이미지이며, 클래스는 완벽하게 균형을 이룹니다.

  • Fashion-MNIST는 학습 이미지 60,000개와 테스트 이미지 10,000개로 구성된 사전 정의된 분할을 제공하며, 클래스당 학습 이미지 6,000개와 테스트 이미지 1,000개가 포함됩니다. Ultralytics가 자동으로 분할하는 폴더 기반 분류 데이터셋과 달리, Fashion-MNIST의 공식 파티션은 있는 그대로 사용되며 기본적으로 학습 중 테스트 세트가 검증 분할로 사용됩니다.

  • 예. Ultralytics Platform을 사용하면 데이터셋을 관리하고, 이미지 분류 모델을 학습하고, 광범위한 코딩 없이 배포할 수 있습니다. 클라우드에서 Fashion-MNIST 실험을 실행하는 편리한 방법이며, 분류 데이터셋 개요에서 더 많은 옵션을 살펴볼 수 있습니다.

기여자
GLglenn-jocher15RAraimbekovm3RIRizwanMunawar3MAMatthewNoyce1JKjk4e1

댓글