Link to this sectionFashion-MNIST 데이터셋#

Fashion-MNIST 데이터셋은 Zalando의 의류 이미지 데이터베이스로, 60,000개의 예시로 구성된 학습 세트와 10,000개의 예시로 구성된 테스트 세트를 포함합니다. 각 예시는 10개의 클래스 중 하나에 해당하는 라벨이 지정된 28x28 그레이스케일 이미지입니다. Fashion-MNIST는 머신러닝 알고리즘 벤치마킹을 위해 기존 MNIST 데이터셋을 직접 대체하는 용도로 설계되었습니다.

Link to this section주요 특징#

• Fashion-MNIST는 Zalando의 의류 이미지 60,000개의 학습 이미지와 10,000개의 테스트 이미지를 포함합니다.
• 이 데이터셋은 28x28 픽셀 크기의 그레이스케일 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 작업을 위한 학습 및 테스트에 널리 사용됩니다.

Link to this section데이터셋 구조#

Fashion-MNIST 데이터셋은 두 개의 하위 세트로 나뉩니다:

1. 학습 세트(Training Set): 이 하위 세트에는 머신러닝 모델 학습에 사용되는 60,000개의 이미지가 포함되어 있습니다.
2. 테스트 세트(Testing Set): 이 하위 세트는 학습된 모델을 테스트하고 벤치마킹하는 데 사용되는 10,000개의 이미지로 구성됩니다.

Link to this section라벨#

각 학습 및 테스트 예시에는 다음 라벨 중 하나가 할당됩니다:

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Link to this section응용 분야#

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 실무자에게 필수적인 자원입니다.

Link to this section사용법#

Fashion-MNIST 데이터셋에서 28x28 이미지 크기로 100 에포크 동안 CNN 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 전체 목록은 모델 학습(Training) 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 section샘플 이미지 및 주석#

Fashion-MNIST 데이터셋은 Zalando의 의류 이미지를 그레이스케일로 포함하고 있어 이미지 분류 작업을 위한 잘 구조화된 데이터셋을 제공합니다. 다음은 데이터셋 이미지의 몇 가지 예시입니다:

이 예시는 Fashion-MNIST 데이터셋 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 학습하기 위한 데이터셋 다양성의 중요성을 강조합니다.

Link to this section감사의 말#

연구나 개발 작업에서 Fashion-MNIST 데이터셋을 사용하는 경우 GitHub 저장소에 링크하여 데이터셋을 명시해 주십시오. 이 데이터셋은 Zalando Research에서 공개했습니다.

Link to this sectionFAQ#

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

Fashion-MNIST 데이터셋은 기존 MNIST 데이터셋의 현대적인 대체재로 의도된 70,000개의 Zalando 의류 그레이스케일 이미지 모음입니다. 이 데이터셋은 이미지 분류 작업의 맥락에서 머신러닝 모델을 위한 벤치마크 역할을 합니다. 손글씨 숫자가 포함된 MNIST와 달리, Fashion-MNIST는 티셔츠/상의, 바지, 앵클 부츠 등 10개의 패션 관련 클래스로 분류된 28x28 픽셀 이미지로 구성됩니다.

Link to this sectionFashion-MNIST 데이터셋에서 YOLO 모델을 어떻게 학습할 수 있나요?#

Fashion-MNIST 데이터셋에서 Ultralytics YOLO 모델을 학습하려면 Python과 CLI 명령어를 모두 사용할 수 있습니다. 다음은 시작을 위한 간단한 예시입니다:

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(Training) 페이지를 참조하십시오.

Link to this section왜 머신러닝 모델 벤치마킹에 Fashion-MNIST 데이터셋을 사용해야 하나요?#

Fashion-MNIST 데이터셋은 딥러닝 커뮤니티에서 MNIST의 강력한 대안으로 널리 인정받고 있습니다. 이 데이터셋은 더 복잡하고 다양한 이미지 세트를 제공하여 이미지 분류 모델을 벤치마킹하는 데 탁월한 선택입니다. 60,000개의 학습 이미지와 10,000개의 테스트 이미지로 구성된 구조와 각 이미지에 부여된 10개의 클래스 라벨은 더욱 까다로운 환경에서 다양한 머신러닝 알고리즘의 성능을 평가하는 데 이상적입니다.

Link to this sectionFashion-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 감지, 인스턴스 분할, 시맨틱 분할, 분류, 자세 추정 및 지향 객체 감지와 같은 다양한 비전 작업을 지원합니다. 이미지 분류 작업을 시작하려면 분류(Classification) 페이지를 참조하십시오.

Link to this sectionFashion-MNIST 데이터셋의 주요 특징과 구조는 무엇인가요?#

Fashion-MNIST 데이터셋은 60,000개의 학습 이미지와 10,000개의 테스트 이미지라는 두 가지 주요 하위 세트로 나뉩니다. 각 이미지는 10개의 패션 관련 클래스 중 하나를 나타내는 28x28 픽셀의 그레이스케일 사진입니다. 단순함과 잘 구조화된 형식 덕분에 머신러닝 및 컴퓨터 비전 작업에서 모델을 학습하고 평가하는 데 이상적입니다. 데이터셋 구조에 대한 자세한 내용은 데이터셋 구조 섹션을 참조하십시오.

Link to this section연구에서 Fashion-MNIST 데이터셋을 사용했음을 어떻게 명시할 수 있나요?#

연구나 개발 프로젝트에서 Fashion-MNIST 데이터셋을 사용하는 경우 GitHub 저장소에 링크하여 명시하는 것이 중요합니다. 이는 데이터셋을 대중에게 공개한 Zalando Research의 기여를 인정하는 데 도움이 됩니다.