Набор данных Fashion-MNIST#
Датасет Fashion-MNIST — это эталонный набор данных для классификации изображений, состоящий из 70 000 черно-белых изображений размером 28x28 пикселей с предметами одежды от Zalando, равномерно распределенных по 10 классам: футболка/топ, брюки, пуловер, платья, пальто, сандалии, рубашка, кеды, сумка и ботильоны. Он поставляется с предопределенным разделением на 60 000 тренировочных и 10 000 тестовых изображений (по 7 000 на класс) и служит готовой заменой оригинального датасета MNIST для тестирования алгоритмов машинного обучения. Информацию об аналоге с цветными изображениями см. в связанном датасете CIFAR-10.
Изучи Fashion-MNIST on Ultralytics Platform, чтобы просмотреть образцы, изучить статистику датасета и клонировать его для обучения.
Ключевые особенности#
- Fashion-MNIST содержит 70 000 черно-белых изображений размером 28x28 пикселей, равномерно разделенных на 10 классов.
- Каждый класс содержит ровно 7 000 изображений — 6 000 для обучения и 1 000 для тестирования, поэтому набор данных идеально сбалансирован.
- Это готовая замена MNIST: идентичный размер изображения, формат и структура разбиения, но с более сложными категориями одежды вместо рукописных цифр.
- Набор данных поставляется с предустановленным разделением на обучающую и тестовую выборки, поэтому ручное или автоматическое разделение не требуется.
- Fashion-MNIST — это стандартный бенчмарк для исследований в области классификации изображений и глубокого обучения.
Структура набора данных#
Fashion-MNIST поставляется с официальным, предопределенным разделением, поэтому автоматическое или ручное разбиение не требуется:
- Классы: 10 (футболка/топ, брюки, пуловер, платье, пальто, сандалии, рубашка, кроссовки, сумка, ботильоны)
- Всего изображений: 70 000 (28x28, в оттенках серого)
- Обучающий набор: 60 000 изображений (6 000 на класс)
- Тестовый набор: 10 000 изображений (1 000 на класс)
В Fashion-MNIST нет отдельной папки для валидации, поэтому по умолчанию Ultralytics использует тестовый набор из 10 000 изображений в качестве валидационного разбиения во время обучения.
Применение#
Fashion-MNIST широко используется для обучения и оценки моделей классификации изображений, от классических сверточных нейронных сетей (CNN) и методов опорных векторов (SVM) до современных глубоких архитектур. Его небольшие черно-белые изображения и 10 категорий одежды делают его быстрым, воспроизводимым бенчмарком для сравнения алгоритмов и экспериментов в области компьютерного зрения, при этом он сложнее рукописных цифр из MNIST.
Использование#
Обучи модель YOLO на датасете Fashion-MNIST в течение 100 эпох с размером изображения 28. Полный список доступных аргументов смотри на странице Обучение и в руководстве по задаче классификация изображений.
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)Примеры изображений и аннотации#
Примеры изображений из набора данных Fashion-MNIST:
Образцы демонстрируют разнообразие категорий одежды в наборе данных Fashion-MNIST, подчеркивая ценность разнообразного набора данных для обучения надежных моделей классификации изображений.
Цитирование и благодарности#
Если ты используешь набор данных Fashion-MNIST в своих исследованиях или разработках, пожалуйста, сошлися на следующую работу:
@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}
}Мы выражаем благодарность исследовательскому подразделению Zalando Research за создание и поддержку датасета Fashion-MNIST в качестве ценного ресурса для сообщества исследователей машинного обучения и компьютерного зрения. Дополнительную информацию о датасете Fashion-MNIST и его создателях можно найти в репозитории Fashion-MNIST на GitHub.
FAQ#
Датасет Fashion-MNIST — это бенчмарк из 70 000 черно-белых изображений размером 28x28 с предметами одежды от Zalando, разделенных на 10 классов и созданный в качестве прямой замеры оригинального датасета MNIST. Он повторяет точный размер изображений, формат и разделение 60 000/10 000 на обучающую и тестовую выборки из MNIST, но заменяет рукописные цифры более сложными категориями одежды — такими как футболка/топ, брюки и ботильоны — что делает его более требовательным бенчмарком для моделей классификации изображений.
Чтобы обучить модель Ultralytics YOLO на датасете Fashion-MNIST, используй приведенные ниже фрагменты кода. Датасет загружается автоматически при первом использовании. Полный список аргументов смотри на странице модели Обучение.
Пример обученияfrom 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)В Fashion-MNIST 10 классов — футболка/топ, брюки, пуловер, платье, пальто, сандалии, рубашка, кроссовки, сумка и ботильоны — по 7 000 изображений в каждом, всего 70 000 изображений. Каждое изображение представляет собой черно-белую картинку 28x28 одного предмета одежды Zalando, и классы идеально сбалансированы.
Fashion-MNIST поставляется с предопределенным разделением на 60 000 обучающих и 10 000 тестовых изображений, с ровно 6 000 обучающими и 1 000 тестовыми изображениями на класс. В отличие от наборов данных для классификации, основанных на папках, которые Ultralytics разделяет автоматически, официальное разбиение Fashion-MNIST используется как есть, а тестовый набор по умолчанию служит валидационным во время обучения.
Да. Ultralytics Platform позволяет управлять датасетами, обучать модели классификации изображений и развертывать их без написания большого объема кода. Это удобный способ запускать эксперименты с Fashion-MNIST в облаке, а изучить больше вариантов можно в нашем обзоре датасетов для классификации.