패션-MNIST 데이터 세트

패션-MNIST 데이터 세트는 잘란도의 기사 이미지 데이터베이스로, 60,000개의 예제로 구성된 훈련 세트와 10,000개의 예제로 구성된 테스트 세트로 구성되어 있습니다. 각 예제는 28x28 흑백 이미지로, 10개 클래스의 레이블과 연관되어 있습니다. Fashion-MNIST는 머신 러닝 알고리즘 벤치마킹을 위해 원래의 MNIST 데이터 세트를 직접 대체할 수 있도록 고안되었습니다.

Watch: 다음을 사용하여 패션 MNIST 데이터 세트에서 이미지 분류를 수행하는 방법 Ultralytics YOLOv8

주요 기능

• 패션-MNIST에는 잘란도의 기사 이미지 중 60,000개의 트레이닝 이미지와 10,000개의 테스트 이미지가 포함되어 있습니다.
• 데이터 세트는 28x28 픽셀 크기의 그레이 스케일 이미지로 구성됩니다.
• 각 픽셀에는 해당 픽셀의 밝기 또는 어두움을 나타내는 픽셀 값이 하나씩 연결되어 있으며, 숫자가 클수록 더 어둡다는 의미입니다. 이 픽셀 값은 0에서 255 사이의 정수입니다.
• Fashion-MNIST는 머신러닝 분야, 특히 이미지 분류 작업의 훈련 및 테스트에 널리 사용됩니다.

데이터 세트 구조

Fashion-MNIST 데이터 집합은 두 개의 하위 집합으로 나뉩니다:

1. 훈련 세트: 이 하위 집합에는 머신러닝 모델 학습에 사용되는 60,000개의 이미지가 포함되어 있습니다.
2. 테스트 세트: 이 하위 집합은 학습된 모델을 테스트하고 벤치마킹하는 데 사용되는 10,000개의 이미지로 구성됩니다.

레이블

각 교육 및 테스트 예제는 다음 레이블 중 하나에 할당됩니다:

1. 티셔츠/상의
2. 바지
3. 풀오버
4. 드레스
5. Coat
6. 샌들
7. 셔츠
8. 스니커즈
9. 가방
10. 앵클 부츠

애플리케이션

패션-MNIST 데이터 세트는 컨볼루션 신경망(CNN), 서포트 벡터 머신(SVM) 및 기타 다양한 머신 러닝 알고리즘과 같은 이미지 분류 작업에서 딥 러닝 모델을 훈련하고 평가하는 데 널리 사용됩니다. 데이터 세트의 형식이 간단하고 체계적이어서 머신 러닝 및 컴퓨터 비전 분야의 연구자와 실무자에게 필수적인 리소스입니다.

사용법

이미지 크기가 28x28인 100개의 에포크에 대한 Fashion-MNIST 데이터 세트에 대해 CNN 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

샘플 이미지 및 주석

Fashion-MNIST 데이터 세트에는 잘란도의 기사 이미지가 포함된 회색조 이미지가 포함되어 있어 이미지 분류 작업을 위한 잘 구조화된 데이터 세트를 제공합니다. 다음은 데이터 세트의 몇 가지 이미지 예시입니다:

이 예는 패션-MNIST 데이터 세트에 포함된 이미지의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 훈련하기 위해서는 다양한 데이터 세트가 중요하다는 것을 강조합니다.

감사

연구 또는 개발 작업에 Fashion-MNIST 데이터셋을 사용하는 경우, GitHub 리포지토리에 링크하여 데이터셋을 인정해 주세요. 이 데이터 세트는 잘란도 리서치에서 제공했습니다.

자주 묻는 질문

패션-MNIST 데이터 세트는 무엇이며, MNIST와 어떻게 다른가요?

패션-MNIST 데이터 세트는 잘란도의 기사 이미지 70,000개의 흑백 이미지 모음으로, 원래의 MNIST 데이터 세트를 현대적으로 대체하기 위한 것입니다. 이미지 분류 작업의 맥락에서 머신 러닝 모델의 벤치마크 역할을 합니다. 손으로 쓴 숫자가 포함된 MNIST와 달리, Fashion-MNIST는 티셔츠/상의, 바지, 앵클부츠 등 10개의 패션 관련 클래스로 분류된 28x28픽셀 이미지로 구성되어 있습니다.

패션-MNIST 데이터 세트에서 YOLO 모델을 훈련하려면 어떻게 해야 하나요?

Fashion-MNIST 데이터 세트에서 Ultralytics YOLO 모델을 훈련하려면 Python 및 CLI 명령을 모두 사용할 수 있습니다. 다음은 시작하는 데 도움이 되는 간단한 예제입니다:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n-cls.pt")

# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

yolo detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

자세한 교육 매개변수는 교육 페이지를 참조하세요.

머신러닝 모델을 벤치마킹하기 위해 패션-MNIST 데이터 세트를 사용해야 하는 이유는 무엇인가요?

패션-MNIST 데이터 세트는 딥러닝 커뮤니티에서 MNIST의 강력한 대안으로 널리 인정받고 있습니다. 더 복잡하고 다양한 이미지 세트를 제공하기 때문에 이미지 분류 모델을 벤치마킹하는 데 탁월한 선택입니다. 60,000개의 훈련 이미지와 10,000개의 테스트 이미지로 구성된 데이터 세트의 구조는 각각 10개의 클래스 중 하나로 레이블이 지정되어 있어 보다 까다로운 상황에서 다양한 머신 러닝 알고리즘의 성능을 평가하는 데 이상적입니다.

패션-MNIST와 같은 이미지 분류 작업에 Ultralytics YOLO 을 사용할 수 있나요?

예, Ultralytics YOLO 모델은 패션-MNIST 데이터 세트와 관련된 작업을 포함한 이미지 분류 작업에 사용할 수 있습니다. YOLOv8 예를 들어, 탐지, 분할, 분류와 같은 다양한 비전 작업을 지원합니다. 이미지 분류 작업을 시작하려면 분류 페이지를 참조하세요.

패션-MNIST 데이터 세트의 주요 특징과 구조는 무엇인가요?

패션-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 28x28픽셀의 흑백 사진입니다. 단순하고 잘 구조화된 형식 덕분에 머신 러닝 및 컴퓨터 비전 작업에서 모델을 훈련하고 평가하는 데 이상적입니다. 데이터 세트 구조에 대한 자세한 내용은 데이터 세트 구조 섹션을 참조하세요.

내 연구에서 패션-MNIST 데이터 세트의 사용을 인정받으려면 어떻게 해야 하나요?

연구 또는 개발 프로젝트에서 Fashion-MNIST 데이터셋을 활용하는 경우, GitHub 리포지토리에 링크하여 이를 인정하는 것이 중요합니다. 이렇게 하면 데이터 세트를 공개적으로 사용할 수 있도록 제공한 잘란도 리서치에 데이터 출처를 표시하는 데 도움이 됩니다.

댓글