MNIST 데이터셋

MNIST (Modified National Institute of Standards and Technology) 데이터셋은 다양한 이미지 처리 시스템 및 머신러닝 모델 학습에 일반적으로 사용되는 대규모 필기체 숫자 데이터베이스입니다. NIST의 원본 데이터셋 샘플을 '재구성'하여 생성되었으며, 이미지 분류 알고리즘의 성능을 평가하는 벤치마크가 되었습니다.

주요 특징

• MNIST는 60,000개의 필기체 숫자 학습 이미지와 10,000개의 테스트 이미지로 구성되어 있습니다.
• 이 데이터셋은 28×28 픽셀 크기의 그레이스케일 이미지로 구성됩니다.
• 이미지는 28×28 픽셀 bounding box에 맞게 정규화되고 안티앨리어싱 처리되어 그레이스케일 레벨을 포함합니다.
• MNIST는 머신러닝 분야, 특히 이미지 분류 작업을 위한 학습 및 테스트에 널리 사용됩니다.

데이터셋 구조

MNIST 데이터셋은 두 개의 하위 집합으로 나뉩니다:

1. 학습 세트(Training Set): 이 하위 집합은 머신러닝 모델 학습에 사용되는 60,000개의 필기체 숫자 이미지를 포함합니다.
2. 테스트 세트(Testing Set): 이 서브셋은 학습된 모델을 테스트하고 벤치마킹하는 데 사용되는 10,000개의 이미지로 구성됩니다.

데이터셋 액세스

• 원본 파일: 전처리를 직접 제어하려면 원본 MNIST 아카이브에서 gzip 아카이브를 다운로드하십시오.
• Ultralytics 로더: 명령에서 data="mnist" (또는 아래의 하위 집합의 경우 data="mnist160")를 사용하면 데이터셋이 자동으로 다운로드, PNG로 변환 및 캐싱됩니다.

데이터셋의 각 이미지는 해당 숫자(0-9)로 라벨이 지정되어 있어 분류 작업에 이상적인 지도 학습 데이터셋입니다.

Extended MNIST (EMNIST)

Extended MNIST (EMNIST)는 MNIST의 후속 버전으로 NIST에서 개발 및 배포한 최신 데이터셋입니다. MNIST가 필기체 숫자 이미지로만 구성된 반면, EMNIST는 필기체 대문자, 소문자 및 숫자가 포함된 대규모 데이터베이스인 NIST Special Database 19의 모든 이미지를 포함합니다. EMNIST의 이미지는 MNIST 이미지와 동일한 과정을 거쳐 동일한 28×28 픽셀 형식으로 변환되었습니다. 따라서 이전의 작은 MNIST 데이터셋에서 작동하는 도구는 EMNIST에서도 수정 없이 작동할 가능성이 높습니다.

응용 분야

The MNIST dataset is widely used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), and various other machine learning algorithms. The dataset's simple and well-structured format makes it an essential resource for researchers and practitioners in the field of machine learning and computer vision.

일반적인 응용 분야는 다음과 같습니다:

• 새로운 분류 알고리즘 벤치마킹
• 머신러닝 개념 교육을 위한 교육용 목적
• 이미지 인식 시스템 프로토타이핑
• 모델 최적화 기법 테스트

사용법

28×28 이미지 크기로 100 epochs 동안 MNIST 데이터셋에서 CNN 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 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="mnist", epochs=100, imgsz=28)

샘플 이미지 및 주석

MNIST 데이터셋은 필기체 숫자의 그레이스케일 이미지를 포함하여 이미지 분류 작업을 위한 잘 구조화된 데이터셋을 제공합니다. 다음은 데이터셋 이미지의 몇 가지 예시입니다:

이 예시는 MNIST 데이터셋에 포함된 필기체 숫자의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델 학습을 위해 데이터셋이 다양해야 함을 강조합니다.

인용 및 감사의 글

연구 또는 개발 작업에 MNIST 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오:

@article{lecun2010mnist,
         title={MNIST handwritten digit database},
         author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
         journal={ATT Labs [Online]},
         volume={2},
         year={2010}
}

머신러닝 및 컴퓨터 비전 연구 커뮤니티를 위한 귀중한 자원으로서 MNIST 데이터셋을 구축하고 유지 관리한 Yann LeCun, Corinna Cortes 및 Christopher J.C. Burges에게 감사를 표합니다. MNIST 데이터셋과 제작자에 대한 자세한 내용은 MNIST 데이터셋 웹사이트를 방문하십시오.

MNIST160 빠른 테스트

초고속 회귀 테스트가 필요하십니까? Ultralytics는 각 숫자 클래스의 첫 8개 샘플을 포함하는 160개 이미지 조각인 data="mnist160"도 제공합니다. 이 데이터셋은 MNIST 디렉토리 구조를 그대로 따르므로 다른 인수를 변경하지 않고도 데이터셋을 교체할 수 있습니다:

yolo classify train data=mnist160 model=yolo26n-cls.pt epochs=5 imgsz=28

70,000개 이미지 데이터셋 전체를 사용하기 전에 CI 파이프라인 또는 정상 상태 확인을 위해 이 하위 집합을 사용하십시오.

FAQ

MNIST 데이터셋이란 무엇이며, 머신러닝에서 왜 중요한가요?

MNIST 데이터셋(Modified National Institute of Standards and Technology 데이터셋)은 이미지 분류 시스템 학습 및 테스트를 위해 설계된 널리 사용되는 필기체 숫자 모음입니다. 여기에는 60,000개의 학습 이미지와 10,000개의 테스트 이미지가 포함되어 있으며, 모두 28×28 픽셀 크기의 그레이스케일 이미지입니다. 이 데이터셋의 중요성은 이미지 분류 알고리즘을 평가하는 표준 벤치마크로서의 역할에 있으며, 연구자와 엔지니어가 방법을 비교하고 해당 분야의 진행 상황을 추적하는 데 도움이 됩니다.

Ultralytics YOLO를 사용하여 MNIST 데이터셋에서 모델을 어떻게 학습할 수 있나요?

Ultralytics YOLO를 사용하여 MNIST 데이터셋에서 모델을 학습하려면 다음 단계를 따르십시오:

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="mnist", epochs=100, imgsz=28)

사용 가능한 학습 인수에 대한 자세한 목록은 Training 페이지를 참조하십시오.

MNIST와 EMNIST 데이터셋의 차이점은 무엇인가요?

MNIST 데이터셋은 필기체 숫자만 포함하는 반면, Extended MNIST (EMNIST) 데이터셋은 숫자와 대문자 및 소문자를 모두 포함합니다. EMNIST는 MNIST의 후속 버전으로 개발되었으며 이미지에 대해 동일한 28×28 픽셀 형식을 사용하여 원래 MNIST 데이터셋용으로 설계된 도구 및 모델과 호환됩니다. EMNIST의 이러한 광범위한 문자 범위는 더 다양한 머신러닝 응용 프로그램에 유용합니다.

Ultralytics Platform을 사용하여 MNIST와 같은 사용자 지정 데이터셋으로 모델을 학습할 수 있나요?

네, Ultralytics Platform을 사용하여 MNIST와 같은 사용자 지정 데이터셋으로 모델을 학습할 수 있습니다. Ultralytics Platform은 광범위한 코딩 지식 없이도 데이터셋 업로드, 모델 학습 및 프로젝트 관리를 위한 사용자 친화적인 인터페이스를 제공합니다. 시작 방법에 대한 자세한 내용은 Ultralytics Platform Quickstart 페이지를 확인하십시오.

MNIST는 다른 이미지 분류 데이터셋과 어떻게 비교되나요?

MNIST는 CIFAR-10이나 ImageNet과 같은 많은 최신 데이터셋보다 단순하여 초보자와 빠른 실험에 이상적입니다. 더 복잡한 데이터셋은 컬러 이미지와 다양한 객체 범주로 인해 더 큰 과제를 제공하지만, MNIST는 단순성, 작은 파일 크기 및 머신러닝 알고리즘 개발의 역사적 중요성 때문에 여전히 가치가 있습니다. 더 고급 분류 작업의 경우 동일한 구조를 유지하면서 숫자 대신 의류 항목을 특징으로 하는 Fashion-MNIST를 사용하는 것을 고려하십시오.