Conjunto de dados Fashion-MNIST#
O conjunto de dados Fashion-MNIST é uma referência de image classification com 70.000 imagens em tons de cinza de 28x28 de artigos de vestuário da Zalando, divididas igualmente em 10 classes — camiseta/topo, calça, suéter, vestido, casaco, sandália, camisa, tênis, bolsa e bota de cano curto. Ele vem com uma divisão predefinida de 60.000 imagens de treino e 10.000 de teste (7.000 por classe) e serve como um substituto direto para o conjunto de dados MNIST original para avaliar algoritmos de machine learning. Para o equivalente em cores, consulte o conjunto de dados CIFAR-10 relacionado.
Explora o Fashion-MNIST on Ultralytics Platform para pré-visualizar amostras, inspecionar as estatísticas do conjunto de dados e cloná-lo para treino.
Principais recursos#
- O Fashion-MNIST contém 70.000 imagens em escala de cinza de 28x28 pixels, divididas uniformemente em 10 classes.
- Cada classe possui exatamente 7.000 imagens — 6.000 para treinamento e 1.000 para teste — portanto, o dataset é perfeitamente equilibrado.
- Ele é um substituto imediato para o MNIST: tamanho de imagem, formato e estrutura de divisão idênticos, mas com categorias de vestuário mais difíceis em vez de dígitos escritos à mão.
- O conjunto de dados vem com uma divisão de treino/teste predefinida, portanto não é necessária nenhuma divisão manual ou automática.
- O Fashion-MNIST é uma referência padrão para pesquisas de image classification e deep learning.
Estrutura do Dataset#
O Fashion-MNIST vem com uma divisão oficial e predefinida, portanto, não é necessária nenhuma partição automática ou manual:
- Classes: 10 (camiseta/top, calça, pulôver, vestido, casaco, sandália, camisa, tênis, bolsa, bota de cano curto)
- Total de imagens: 70.000 (28x28 em escala de cinza)
- Conjunto de treinamento: 60.000 imagens (6.000 por classe)
- Conjunto de teste: 10.000 imagens (1.000 por classe)
O Fashion-MNIST não possui uma pasta de validação separada, então a Ultralytics usa o conjunto de teste de 10.000 imagens como a divisão de validação durante o treinamento, por padrão.
Aplicações#
O Fashion-MNIST é amplamente utilizado para treinar e avaliar modelos de image classification, desde Convolutional Neural Networks (CNNs) clássicas e Support Vector Machines (SVMs) até arquiteturas profundas modernas. Suas pequenas imagens em tons de cinza e 10 categorias de vestuário o tornam uma referência rápida e reproduzível para comparação de algoritmos e experimentação em computer vision, além de ser mais desafiador do que os dígitos manuscritos do MNIST.
Uso#
Treine um modelo YOLO no Fashion-MNIST por 100 epochs com um tamanho de imagem de 28. Para a lista completa de argumentos disponíveis, consulte a página de Training e o guia de tarefas de image classification.
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)Exemplos de Imagens e Anotações#
Exemplos de imagens do dataset Fashion-MNIST:
As amostras mostram a variedade de categorias de vestuário no dataset Fashion-MNIST, destacando o valor de um dataset diversificado para treinar modelos de classificação de imagens robustos.
Citações e Agradecimentos#
Se você usar o dataset Fashion-MNIST em sua pesquisa ou trabalho de desenvolvimento, por favor, cite o seguinte artigo:
@article{xiao2017fashion,
title={Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms},
author={Han Xiao and Kashif Rasul and Roland Vollgraf},
year={2017},
eprint={1708.07747},
archivePrefix={arXiv},
primaryClass={cs.LG}
}Gostaríamos de agradecer à Zalando Research por criar e manter o conjunto de dados Fashion-MNIST como um recurso valioso para a comunidade de pesquisa de machine learning e computer vision. Para mais informações sobre o conjunto de dados Fashion-MNIST e seus criadores, visite o Fashion-MNIST GitHub repository.
FAQ#
O conjunto de dados Fashion-MNIST é uma referência de 70.000 imagens em tons de cinza de 28x28 de artigos de vestuário da Zalando em 10 classes, criado como um substituto direto para o conjunto de dados MNIST original. Ele compartilha o tamanho de imagem, o formato e a divisão de treino/teste de 60.000/10.000 exatos do MNIST, mas substitui os dígitos manuscritos por categorias de moda mais difíceis — como camiseta/topo, calça e bota de cano curto — tornando-o uma referência mais exigente para modelos de image classification.
Para treinar um modelo Ultralytics YOLO no Fashion-MNIST, use os trechos de código abaixo. O conjunto de dados é baixado automaticamente no primeiro uso. Para obter uma lista completa de argumentos, consulte a página de Training do modelo.
Exemplo de Treinamentofrom 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)O Fashion-MNIST possui 10 classes — camiseta/top, calça, pulôver, vestido, casaco, sandália, camisa, tênis, bolsa e bota de cano curto — com exatamente 7.000 imagens cada, totalizando 70.000 imagens. Cada imagem é uma foto em escala de cinza de 28x28 de um único artigo de vestuário da Zalando, e as classes são perfeitamente equilibradas.
O Fashion-MNIST vem com uma divisão predefinida de 60.000 imagens de treino e 10.000 imagens de teste, com exatamente 6.000 imagens de treino e 1.000 de teste por classe. Ao contrário dos datasets de classificação baseados em pastas que a Ultralytics divide automaticamente, a partição oficial do Fashion-MNIST é usada como está, e o conjunto de teste serve como a divisão de validação durante o treinamento, por padrão.
Sim. A Ultralytics Platform permite gerenciar conjuntos de dados, treinar modelos de image classification e implantá-los sem codificação extensiva. É uma maneira conveniente de executar experimentos com o Fashion-MNIST na nuvem, e você pode explorar mais opções em nossa classification datasets overview.