Набор данных Fashion-MNIST
Набор данных Fashion-MNIST - это база данных изображений товаров Zalando, состоящая из обучающего набора из 60 000 примеров и тестового набора из 10 000 примеров. Каждый пример представляет собой изображение размером 28x28 градаций серого, связанное с меткой из 10 классов. Fashion-MNIST призван служить прямой заменой оригинального набора данных MNIST для бенчмаркинга алгоритмов машинного обучения.
Смотреть: Как сделать Классификация изображений на наборе данных Fashion MNIST с использованием Ultralytics YOLO11
Основные характеристики
- Fashion-MNIST содержит 60 000 обучающих изображений и 10 000 тестируемых изображений артикулов Zalando.
- Набор данных состоит из полутоновых изображений размером 28x28 пикселей.
- Каждый пиксель имеет одно значение, указывающее на светлость или темноту пикселя, причем более высокие числа означают более темный цвет. Это пиксельное значение представляет собой целое число от 0 до 255.
- Fashion-MNIST широко используется для обучения и тестирования в области машинного обучения, особенно для задач классификации изображений.
Структура набора данных
Набор данных Fashion-MNIST разделен на два подмножества:
- Набор для обучения: Этот поднабор содержит 60 000 изображений, используемых для обучения моделей машинного обучения.
- Набор для тестирования: Это подмножество состоит из 10 000 изображений, используемых для тестирования и проверки обученных моделей.
Ярлыки
Каждому обучающему и тестовому примеру присваивается одна из следующих меток:
0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot
Приложения
Набор данных Fashion-MNIST широко используется для обучения и оценки моделей глубокого обучения в задачах классификации изображений, таких как конволюционные нейронные сети (CNN), машины опорных векторов (SVM) и различные другие алгоритмы машинного обучения. Простой и хорошо структурированный формат набора данных делает его незаменимым ресурсом для исследователей и практиков в области машинного обучения и компьютерного зрения.
Использование
Для обучения CNN-модели на наборе данных Fashion-MNIST в течение 100 эпох при размере изображения 28x28 можно использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице обучения модели.
Пример поезда
Образцы изображений и аннотаций
Набор данных Fashion-MNIST содержит полутоновые изображения артикулов Zalando и представляет собой хорошо структурированный набор данных для задач классификации изображений. Вот несколько примеров изображений из этого набора:
Этот пример демонстрирует разнообразие и сложность изображений в наборе данных Fashion-MNIST, подчеркивая важность разнообразных наборов данных для обучения надежных моделей классификации изображений.
Благодарности
Если вы используете набор данных Fashion-MNIST в своих исследованиях или разработках, пожалуйста, укажите ссылку на этот набор данных в репозитории GitHub. Этот набор данных был предоставлен компанией Zalando Research.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
Что такое набор данных Fashion-MNIST и чем он отличается от MNIST?
Набор данных Fashion-MNIST - это коллекция из 70 000 полутоновых изображений артикулов Zalando, призванная стать современной заменой оригинальному набору данных MNIST. Он служит эталоном для моделей машинного обучения в контексте задач классификации изображений. В отличие от MNIST, содержащего рукописные цифры, Fashion-MNIST состоит из изображений размером 28x28 пикселей, разделенных на 10 классов, связанных с модой, таких как футболка/топ, брюки и ботильоны.
Как обучить модель YOLO на наборе данных Fashion-MNIST?
Чтобы обучить модель Ultralytics YOLO на наборе данных Fashion-MNIST, вы можете использовать команды Python и CLI . Вот быстрый пример для начала работы:
Пример поезда
Более подробные параметры обучения см. на странице "Обучение".
Почему следует использовать набор данных Fashion-MNIST для тестирования моделей машинного обучения?
Набор данных Fashion-MNIST широко известен в сообществе глубокого обучения как надежная альтернатива MNIST. Он предлагает более сложный и разнообразный набор изображений, что делает его отличным выбором для бенчмаркинга моделей классификации изображений. Структура набора данных, состоящего из 60 000 обучающих и 10 000 тестовых изображений, каждое из которых помечено одним из 10 классов, делает его идеальным для оценки эффективности различных алгоритмов машинного обучения в более сложном контексте.
Можно ли использовать Ultralytics YOLO для задач классификации изображений, таких как Fashion-MNIST?
Да, модели Ultralytics YOLO можно использовать для задач классификации изображений, в том числе с использованием набора данных Fashion-MNIST. YOLO11 например, поддерживает различные задачи технического зрения, такие как обнаружение, сегментация и классификация. Чтобы начать работу с задачами классификации изображений, обратитесь к странице Классификация.
Каковы ключевые особенности и структура набора данных Fashion-MNIST?
Набор данных Fashion-MNIST разделен на два основных подмножества: 60 000 обучающих и 10 000 тестирующих изображений. Каждое изображение представляет собой 28x28-пиксельную полутоновую картинку, представляющую один из 10 классов, связанных с модой. Простота и хорошо структурированный формат делают эту базу данных идеальной для обучения и оценки моделей в задачах машинного обучения и компьютерного зрения. Более подробную информацию о структуре набора данных см. в разделе "Структура набора данных".
Как я могу подтвердить использование набора данных Fashion-MNIST в своих исследованиях?
Если вы используете набор данных Fashion-MNIST в своих исследованиях или разработках, важно отметить это ссылкой на репозиторий GitHub. Это поможет приписать данные компании Zalando Research, которая предоставила их для публичного использования.
