Overslaan naar inhoud

Mode-MNIST Dataset

De Fashion-MNIST dataset is een database van Zalando artikelafbeeldingen, bestaande uit een trainingsset van 60.000 voorbeelden en een testset van 10.000 voorbeelden. Elk voorbeeld is een afbeelding in grijstinten van 28x28, geassocieerd met een label uit 10 klassen. Fashion-MNIST is bedoeld als directe vervanging voor de originele MNIST dataset voor het benchmarken van machine-learning algoritmen.



Kijken: Hoe beeldclassificatie uitvoeren op Fashion MNIST-dataset met behulp van Ultralytics YOLOv8

Belangrijkste kenmerken

  • Fashion-MNIST bevat 60.000 trainingsafbeeldingen en 10.000 testafbeeldingen van Zalando's artikelafbeeldingen.
  • De dataset bestaat uit grijswaardenafbeeldingen van 28x28 pixels.
  • Aan elke pixel is een enkele pixelwaarde gekoppeld die de lichtheid of donkerheid van die pixel aangeeft, waarbij hogere getallen donkerder betekenen. Deze pixelwaarde is een geheel getal tussen 0 en 255.
  • Fashion-MNIST wordt veel gebruikt voor het trainen en testen op het gebied van machinaal leren, vooral voor beeldclassificatietaken.

Structuur dataset

De Fashion-MNIST dataset is opgesplitst in twee subsets:

  1. Trainingsset: Deze subset bevat 60.000 afbeeldingen die worden gebruikt voor het trainen van modellen voor machinaal leren.
  2. Testset: Deze subset bestaat uit 10.000 afbeeldingen die worden gebruikt voor het testen en benchmarken van de getrainde modellen.

Etiketten

Aan elk trainings- en testvoorbeeld wordt een van de volgende labels toegekend:

  1. T-shirt/top
  2. Broek
  3. Trui
  4. Jurk
  5. Jas
  6. Sandaal
  7. Shirt
  8. Sneaker
  9. Tas
  10. Enkellaars

Toepassingen

De Fashion-MNIST dataset wordt veel gebruikt voor het trainen en evalueren van deep learning modellen in beeldclassificatietaken, zoals Convolutional Neural Networks (CNN's), Support Vector Machines (SVM's) en diverse andere machine learning algoritmen. Het eenvoudige en goed gestructureerde formaat van de dataset maakt het een essentiƫle bron voor onderzoekers en praktijkmensen op het gebied van machine learning en computer vision.

Gebruik

Om een CNN model te trainen op de Fashion-MNIST dataset voor 100 epochs met een afbeeldingsgrootte van 28x28, kun je de volgende code snippets gebruiken. Raadpleeg de pagina Model Training voor een uitgebreide lijst met beschikbare argumenten.

Voorbeeld trein

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

Voorbeeldafbeeldingen en -annotaties

De Fashion-MNIST dataset bevat grijswaarden afbeeldingen van Zalando's artikelafbeeldingen en biedt een goed gestructureerde dataset voor beeldclassificatietaken. Hier zijn enkele voorbeelden van afbeeldingen uit de dataset:

Voorbeeldafbeelding dataset

Het voorbeeld toont de variƫteit en complexiteit van de afbeeldingen in de Fashion-MNIST dataset en benadrukt het belang van een diverse dataset voor het trainen van robuuste beeldclassificatiemodellen.

Erkenningen

Als je de Fashion-MNIST dataset gebruikt in je onderzoeks- of ontwikkelingswerk, erken de dataset dan door te linken naar de GitHub repository. Deze dataset is beschikbaar gesteld door Zalando Research.

FAQ

Wat is de Fashion-MNIST dataset en waarin verschilt deze van MNIST?

De Fashion-MNIST dataset is een verzameling van 70.000 grijswaarden afbeeldingen van Zalando's artikelafbeeldingen, bedoeld als moderne vervanging voor de originele MNIST dataset. Het dient als benchmark voor machine-learning modellen in de context van beeldclassificatietaken. In tegenstelling tot MNIST, dat handgeschreven cijfers bevat, bestaat Fashion-MNIST uit afbeeldingen van 28x28 pixels die zijn gecategoriseerd in 10 modegerelateerde klassen, zoals T-shirt/top, broek en enkellaars.

Hoe kan ik een YOLO model trainen op de Fashion-MNIST dataset?

Om een Ultralytics YOLO model te trainen op de Fashion-MNIST dataset, kun je zowel Python als CLI commando's gebruiken. Hier is een snel voorbeeld om je op weg te helpen:

Voorbeeld trein

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

Raadpleeg de pagina Training voor meer gedetailleerde trainingsparameters.

Waarom zou ik de Fashion-MNIST dataset gebruiken voor het benchmarken van mijn modellen voor machinaal leren?

De Fashion-MNIST dataset wordt in de deep learning gemeenschap algemeen erkend als een robuust alternatief voor MNIST. Het biedt een complexere en gevarieerdere set afbeeldingen, waardoor het een uitstekende keuze is voor het benchmarken van beeldclassificatiemodellen. De structuur van de dataset, bestaande uit 60.000 trainingsafbeeldingen en 10.000 testafbeeldingen, elk gelabeld met een van de 10 klassen, maakt het ideaal voor het evalueren van de prestaties van verschillende machine learning algoritmen in een meer uitdagende context.

Kan ik Ultralytics YOLO gebruiken voor beeldclassificatietaken zoals Fashion-MNIST?

Ja, Ultralytics YOLO modellen kunnen worden gebruikt voor beeldclassificatietaken, waaronder die met de Fashion-MNIST dataset. YOLOv8 ondersteunt bijvoorbeeld verschillende vision-taken zoals detectie, segmentatie en classificatie. Om aan de slag te gaan met beeldclassificatietaken, raadpleeg je de pagina Classificatie.

Wat zijn de belangrijkste kenmerken en structuur van de Fashion-MNIST dataset?

De Fashion-MNIST dataset is verdeeld in twee subsets: 60.000 trainingsafbeeldingen en 10.000 testafbeeldingen. Elke afbeelding is een grijswaardenafbeelding van 28x28 pixels en vertegenwoordigt een van de 10 modegerelateerde klassen. De eenvoud en het goed gestructureerde formaat maken het ideaal voor het trainen en evalueren van modellen in machine learning en computer vision taken. Voor meer details over de structuur van de dataset, zie de Dataset Structuur sectie.

Hoe kan ik het gebruik van de Fashion-MNIST dataset in mijn onderzoek erkennen?

Als je de Fashion-MNIST dataset gebruikt in je onderzoeks- of ontwikkelingsprojecten, is het belangrijk om dit te erkennen door te linken naar de GitHub repository. Dit helpt bij het toeschrijven van de gegevens aan Zalando Research, die de dataset beschikbaar heeft gemaakt voor openbaar gebruik.



Aangemaakt 2023-11-12, Bijgewerkt 2024-07-04
Auteurs: glenn-jocher (5), RizwanMunawar (1)

Reacties