Fashion-MNIST 데이터셋
Fashion-MNIST 데이터셋은 Zalando의 의류 이미지 데이터베이스로, 60,000개의 예제로 구성된 학습 세트와 10,000개의 예제로 구성된 테스트 세트를 포함합니다. 각 예제는 10개 클래스 중 하나의 라벨과 연결된 28x28 흑백 이미지입니다. Fashion-MNIST는 머신러닝 알고리즘의 벤치마킹을 위해 기존 MNIST 데이터셋을 대체하도록 설계되었습니다.
주요 특징
- Fashion-MNIST는 Zalando의 의류 이미지 60,000개의 학습 이미지와 10,000개의 테스트 이미지를 포함하고 있습니다.
- 이 데이터셋은 28x28 픽셀 크기의 흑백 이미지로 구성됩니다.
- 각 픽셀에는 해당 픽셀의 밝기나 어두움을 나타내는 단일 픽셀 값이 연관되어 있으며, 숫자가 클수록 더 어둡게 표시됩니다. 이 픽셀 값은 0에서 255 사이의 정수입니다.
- Fashion-MNIST는 머신러닝 분야, 특히 이미지 분류 작업의 학습 및 테스트에 널리 사용됩니다.
데이터셋 구조
Fashion-MNIST 데이터셋은 두 개의 하위 세트로 나뉩니다.
- 학습 세트(Training Set): 이 하위 세트에는 머신러닝 모델 학습에 사용되는 60,000개의 이미지가 포함되어 있습니다.
- 테스트 세트(Testing Set): 이 하위 세트에는 학습된 모델을 테스트하고 벤치마킹하는 데 사용되는 10,000개의 이미지가 포함되어 있습니다.
라벨
각 학습 및 테스트 예제는 다음 라벨 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 boot애플리케이션
Fashion-MNIST 데이터셋은 합성곱 신경망(CNN), 서포트 벡터 머신(SVM) 및 기타 다양한 머신러닝 알고리즘과 같은 이미지 분류 작업에서 딥러닝 모델을 학습하고 평가하는 데 널리 사용됩니다. 이 데이터셋의 단순하고 잘 구조화된 형식은 머신러닝 및 컴퓨터 비전 분야의 연구자와 실무자들에게 필수적인 자원입니다.
사용법
Fashion-MNIST 데이터셋에서 28x28 이미지 크기로 100 에폭 동안 CNN 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 포괄적인 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)이미지 및 주석 샘플
Fashion-MNIST 데이터셋에는 Zalando의 의류 흑백 이미지가 포함되어 있어 이미지 분류 작업을 위한 잘 구조화된 데이터셋을 제공합니다. 다음은 데이터셋의 이미지 샘플입니다.
이 예제는 Fashion-MNIST 데이터셋에 포함된 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 학습하기 위한 다양한 데이터셋의 중요성을 강조합니다.
감사의 말
연구 또는 개발 작업에서 Fashion-MNIST 데이터셋을 사용하는 경우, GitHub 저장소에 링크를 걸어 데이터셋을 명시해 주시기 바랍니다. 이 데이터셋은 Zalando Research에서 제공했습니다.
FAQ
Fashion-MNIST 데이터셋은 무엇이며 MNIST와 어떻게 다른가요?
Fashion-MNIST 데이터셋은 Zalando의 의류 이미지 70,000개로 구성된 컬렉션으로, 기존 MNIST 데이터셋을 현대적으로 대체하기 위해 제작되었습니다. 이는 이미지 분류 작업 컨텍스트에서 머신러닝 모델의 벤치마크 역할을 합니다. 손글씨 숫자를 포함하는 MNIST와 달리, Fashion-MNIST는 티셔츠/탑, 바지, 앵클 부츠 등 10개의 패션 관련 클래스로 분류된 28x28 픽셀 이미지로 구성됩니다.
Fashion-MNIST 데이터셋으로 YOLO 모델을 어떻게 학습시킬 수 있나요?
Fashion-MNIST 데이터셋에서 Ultralytics YOLO 모델을 학습시키려면 Python과 CLI 명령을 모두 사용할 수 있습니다. 시작하기 위한 간단한 예제는 다음과 같습니다.
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)더 자세한 학습 매개변수는 학습 페이지를 참조하십시오.
머신러닝 모델 벤치마킹에 왜 Fashion-MNIST 데이터셋을 사용해야 하나요?
Fashion-MNIST 데이터셋은 딥러닝 커뮤니티에서 MNIST의 강력한 대안으로 널리 인정받고 있습니다. 더 복잡하고 다양한 이미지 세트를 제공하므로 이미지 분류 모델을 벤치마킹하는 데 탁월한 선택입니다. 60,000개의 학습 이미지와 10,000개의 테스트 이미지로 구성된 데이터셋 구조와 각 이미지가 10개의 클래스 중 하나로 라벨링되어 있다는 점은 더 까다로운 환경에서 다양한 머신러닝 알고리즘의 성능을 평가하기에 이상적입니다.
Fashion-MNIST와 같은 이미지 분류 작업에 Ultralytics YOLO를 사용할 수 있나요?
네, Ultralytics YOLO 모델은 Fashion-MNIST 데이터셋을 포함한 이미지 분류 작업에 사용할 수 있습니다. 예를 들어, YOLO26은 객체 탐지, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션 및 분류와 같은 다양한 비전 작업을 지원합니다. 이미지 분류 작업을 시작하려면 분류 페이지를 참조하십시오.
Fashion-MNIST 데이터셋의 주요 특징과 구조는 무엇인가요?
Fashion-MNIST 데이터셋은 60,000개의 학습 이미지와 10,000개의 테스트 이미지라는 두 개의 주요 하위 세트로 나뉩니다. 각 이미지는 10개의 패션 관련 클래스 중 하나를 나타내는 28x28 픽셀의 흑백 사진입니다. 단순하고 잘 구조화된 형식 덕분에 머신러닝 및 컴퓨터 비전 작업에서 모델을 학습하고 평가하는 데 이상적입니다. 데이터셋 구조에 대한 자세한 내용은 데이터셋 구조 섹션을 참조하십시오.
연구에서 Fashion-MNIST 데이터셋 사용을 어떻게 밝혀야 하나요?
연구 또는 개발 프로젝트에서 Fashion-MNIST 데이터셋을 활용하는 경우, GitHub 저장소에 링크를 걸어 명시하는 것이 중요합니다. 이는 데이터를 대중이 사용할 수 있도록 공개한 Zalando Research에 공로를 인정하는 데 도움이 됩니다.