Датасет Fashion-MNIST#
Датасет Fashion-MNIST — это эталонный набор для классификации изображений, содержащий 70 000 чёрно-белых изображений размером 28x28 с предметами одежды Zalando, равномерно распределённых по 10 классам: футболка/топ, брюки, пуловер, платье, пальто, сандалия, рубашка, кроссовок, сумка и ботинок до щиколотки. Он поставляется с предопределённым разделением на 60 000 обучающих и 10 000 тестовых изображений (по 7 000 на класс) и служит прямой заменой оригинального датасета MNIST для сравнения алгоритмов машинного обучения. Эквивалентный датасет с цветными изображениями см. в связанном датасете CIFAR-10.
Открой Fashion-MNIST на платформе Ultralytics, чтобы просмотреть примеры, изучить статистику датасета и клонировать его для обучения.
Ключевые особенности#
- Fashion-MNIST содержит 70 000 чёрно-белых изображений размером 28x28 пикселей, равномерно распределённых по 10 классам.
- Каждый класс содержит ровно 7 000 изображений — 6 000 для обучения и 1 000 для тестирования, поэтому датасет идеально сбалансирован.
- Это прямая замена MNIST: идентичные размер изображений, формат и структура разделения, но вместо рукописных цифр используются более сложные категории одежды.
- Датасет включает заранее заданное разбиение на обучающую и тестовую выборки, поэтому ручное или автоматическое разбиение не требуется.
- Fashion-MNIST — стандартный эталонный набор для исследований в области классификации изображений и глубокого обучения.
Структура датасета#
Fashion-MNIST поставляется с официальным предопределённым разделением, поэтому автоматическое или ручное разбиение не требуется:
- Классы: 10 (футболка/топ, брюки, пуловер, платье, пальто, сандалия, рубашка, кроссовок, сумка, ботинок до щиколотки)
- Всего изображений: 70 000 (чёрно-белые, 28x28)
- Обучающая выборка: 60 000 изображений (по 6 000 на класс)
- Тестовая выборка: 10 000 изображений (по 1 000 на класс)
В Fashion-MNIST нет отдельной папки для валидации, поэтому Ultralytics по умолчанию использует тестовую выборку из 10 000 изображений как валидационную во время обучения.
Применения#
Fashion-MNIST широко используется для обучения и оценки моделей классификации изображений — от классических свёрточных нейронных сетей (CNNs) и методов опорных векторов (SVMs) до современных глубоких архитектур. Небольшие чёрно-белые изображения и 10 категорий одежды делают его быстрым и воспроизводимым эталонным набором для сравнения алгоритмов и экспериментов в области компьютерного зрения, при этом он сложнее, чем набор рукописных цифр MNIST.
Использование#
Обучи модель YOLO на Fashion-MNIST в течение 100 эпох с размером изображения 28. Полный список доступных аргументов см. на странице обучения и в руководстве по задаче классификации 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 аннотаций#
Примеры изображений из датасета Fashion-MNIST:
Примеры показывают разнообразие категорий одежды в датасете Fashion-MNIST и подчёркивают ценность разнообразного датасета для обучения устойчивых моделей классификации изображений.
Цитирование и благодарности#
Если ты используешь датасет Fashion-MNIST в своих исследованиях или разработке, пожалуйста, процитируй следующую статью:
@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 признательность Zalando Research за создание и поддержку датасета Fashion-MNIST как ценного ресурса для сообщества исследователей в области машинного обучения и компьютерного зрения. Дополнительную информацию о датасете Fashion-MNIST и его создателях см. в репозитории Fashion-MNIST на GitHub.
Часто задаваемые вопросы#
Датасет Fashion-MNIST — это эталонный набор из 70 000 чёрно-белых изображений размером 28x28 с предметами одежды Zalando, распределённых по 10 классам и созданных как прямая замена оригинальному датасету MNIST. Он имеет те же размер изображений, формат и разделение на 60 000/10 000 обучающих и тестовых изображений, что и MNIST, но заменяет рукописные цифры более сложными категориями одежды — например, футболкой/топом, брюками и ботинком до щиколотки, — что делает его более требовательным эталонным набором для моделей классификации изображений.
Чтобы обучить модель Ultralytics YOLO на Fashion-MNIST, используй приведённые ниже фрагменты кода. При первом использовании датасет загружается автоматически. Полный список аргументов см. на странице обучения модели.
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, сандалия, рубашка, кроссовок, сумка и ботинок до щиколотки — ровно по 7 000 изображений в каждом, всего 70 000 изображений. Каждое изображение представляет собой чёрно-белую картинку размером 28x28 с одним предметом одежды Zalando, а классы идеально сбалансированы.
Fashion-MNIST поставляется с предопределённым разделением на 60 000 обучающих и 10 000 тестовых изображений, причём на каждый класс приходится ровно 6 000 обучающих и 1 000 тестовых изображений. В отличие от классификационных датасетов на основе папок, которые Ultralytics разделяет автоматически, официальное разбиение Fashion-MNIST используется без изменений, а тестовая выборка по умолчанию служит валидационной во время обучения.
Да. Платформа Ultralytics позволяет управлять датасетами, обучать модели классификации изображений и развёртывать их без большого объёма кода. Это удобный способ проводить эксперименты с Fashion-MNIST в облаке, а дополнительные возможности можно изучить в нашем обзоре датасетов для классификации.