MNIST 데이터 세트

MNIST (미국 국립표준기술연구소) 데이터 세트는 다양한 이미지 처리 시스템과 머신 러닝 모델을 훈련하는 데 일반적으로 사용되는 대규모 필기 숫자 데이터베이스입니다. NIST의 원본 데이터 세트에서 샘플을 "재혼합"하여 생성되었으며 이미지 분류 알고리즘의 성능을 평가하는 벤치마크가 되었습니다.

주요 기능

• MNIST에는 60,000개의 훈련 이미지와 10,000개의 손글씨 숫자 테스트 이미지가 포함되어 있습니다.
• 데이터 세트는 28x28 픽셀 크기의 그레이 스케일 이미지로 구성됩니다.
• The images are normalized to fit into a 28x28 pixel bounding box and anti-aliased, introducing grayscale levels.
• MNIST는 머신러닝 분야, 특히 이미지 분류 작업의 훈련 및 테스트에 널리 사용됩니다.

데이터 세트 구조

MNIST 데이터 세트는 두 개의 하위 집합으로 나뉩니다:

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

확장 MNIST(EMNIST)

확장된 MNIST(EMNIST)는 MNIST의 후속으로 NIST에서 개발하여 공개한 최신 데이터 세트입니다. MNIST에는 손으로 쓴 숫자의 이미지만 포함되어 있는 반면, EMNIST에는 숫자는 물론 손으로 쓴 대문자와 소문자의 대규모 데이터베이스인 NIST 특수 데이터베이스 19의 모든 이미지가 포함되어 있습니다. EMNIST의 이미지는 MNIST 이미지와 동일한 프로세스를 통해 동일한 28x28픽셀 포맷으로 변환되었습니다. 따라서 이전의 더 작은 MNIST 데이터 세트에서 작동하는 도구는 EMNIST에서도 수정하지 않고 작동할 가능성이 높습니다.

애플리케이션

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.

사용법

To train a CNN model on the MNIST dataset for 100 epochs with an image size of 32x32, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="mnist", epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo classify train data=mnist model=yolo11n-cls.pt epochs=100 imgsz=28

샘플 이미지 및 주석

The MNIST dataset contains grayscale images of handwritten digits, providing a well-structured dataset for image classification tasks. Here are some examples of images from the dataset:

이 예는 MNIST 데이터 세트에 포함된 필기 숫자의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 훈련하기 위한 다양한 데이터 세트의 중요성을 강조합니다.

인용 및 감사

MNIST 데이터 집합을 사용하는 경우

연구 또는 개발 작업의 경우 다음 논문을 인용해 주세요:

@article{lecun2010mnist,
         title={MNIST handwritten digit database},
         author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
         journal={ATT Labs [Online]. Available: http://yann.lecun.com/exdb/mnist},
         volume={2},
         year={2010}
}

We would like to acknowledge Yann LeCun, Corinna Cortes, and Christopher J.C. Burges for creating and maintaining the MNIST dataset as a valuable resource for the machine learning and computer vision research community. For more information about the MNIST dataset and its creators, visit the MNIST dataset website.

자주 묻는 질문

MNIST 데이터 세트는 무엇이며 머신 러닝에서 중요한 이유는 무엇인가요?

MNIST 데이터 세트 또는 수정된 국립표준기술연구소 데이터 세트는 이미지 분류 시스템의 훈련 및 테스트를 위해 설계된 널리 사용되는 수기 숫자 모음입니다. 여기에는 60,000개의 훈련 이미지와 10,000개의 테스트 이미지가 포함되어 있으며, 모두 28x28픽셀 크기의 회색조 이미지입니다. 이 데이터 세트의 중요성은 이미지 분류 알고리즘을 평가하기 위한 표준 벤치마크로서 연구자와 엔지니어가 해당 분야의 방법을 비교하고 진행 상황을 추적하는 데 도움이 된다는 데 있습니다.

Ultralytics YOLO 을 사용하여 MNIST 데이터 세트에서 모델을 훈련하려면 어떻게 해야 하나요?

Ultralytics YOLO 을 사용하여 MNIST 데이터 세트에서 모델을 학습시키려면 다음 단계를 따르세요:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="mnist", epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo classify train data=mnist model=yolo11n-cls.pt epochs=100 imgsz=28

사용 가능한 교육 인수에 대한 자세한 목록은 교육 페이지를 참조하세요.

MNIST와 EMNIST 데이터 세트의 차이점은 무엇인가요?

MNIST 데이터 세트는 손으로 쓴 숫자만 포함하지만, 확장된 MNIST(EMNIST) 데이터 세트는 숫자와 대문자 및 소문자를 모두 포함합니다. EMNIST는 MNIST의 후속으로 개발되었으며 이미지에 동일한 28x28픽셀 형식을 사용하므로 원래 MNIST 데이터 세트용으로 설계된 도구 및 모델과 호환됩니다. EMNIST의 더 넓은 문자 범위는 더 다양한 머신 러닝 애플리케이션에 유용합니다.

Ultralytics HUB를 사용하여 MNIST와 같은 사용자 지정 데이터 세트에서 모델을 학습시킬 수 있나요?

예, Ultralytics HUB를 사용하여 MNIST와 같은 사용자 지정 데이터 세트에서 모델을 훈련할 수 있습니다. Ultralytics HUB는 광범위한 코딩 지식이 없어도 데이터 세트 업로드, 모델 학습, 프로젝트 관리를 위한 사용자 친화적인 인터페이스를 제공합니다. 시작하는 방법에 대한 자세한 내용은 Ultralytics HUB 빠른 시작 페이지를 참조하세요.

📅 Created 11 months ago ✏️ Updated 10 days ago

댓글