Набор данных Fashion-MNIST
Набор данных Fashion-MNIST — это база данных изображений статей Zalando, состоящая из обучающего набора из 60 000 примеров и тестового набора из 10 000 примеров. Каждый пример представляет собой 28x28 изображение в градациях серого, связанное с меткой из 10 классов. Fashion-MNIST предназначен для прямой замены исходного набора данных MNIST для оценки алгоритмов машинного обучения.
Смотреть: Как сделать Классификация изображений о наборе данных Fashion MNIST с использованием Ultralytics YOLO11
Основные характеристики
- Fashion-MNIST содержит 60 000 обучающих изображений и 10 000 тестовых изображений статей Zalando.
- Набор данных состоит из изображений в оттенках серого размером 28x28 пикселей.
- Каждый пиксель имеет связанное с ним одно значение пикселя, указывающее на светлоту или темноту этого пикселя, причем более высокие числа означают более темный. Это значение пикселя является целым числом 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:
- Обучающий набор: Этот поднабор содержит 60 000 изображений, используемых для обучения моделей машинного обучения.
- Тестовый набор: Этот поднабор состоит из 10 000 изображений, используемых для тестирования и оценки обученных моделей.
Метки
Каждый пример для обучения и тестирования относится к одной из следующих категорий:
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 сверточные нейронные сети (CNN), машины опорных векторов (SVM) и различные другие алгоритмы машинного обучения. Простой и хорошо структурированный формат набора данных делает его важным ресурсом для исследователей и практиков в области машинного обучения и компьютерного зрения.
Использование
Чтобы обучить модель CNN на наборе данных Fashion-MNIST в течение 100 эпох с размером изображения 28x28, вы можете использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице Обучение модели.
Пример обучения
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-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 classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
Примеры изображений и аннотации
Датасет Fashion-MNIST содержит изображения статей Zalando в оттенках серого, предоставляя хорошо структурированный набор данных для задач классификации изображений. Вот несколько примеров изображений из этого набора данных:
Этот пример демонстрирует разнообразие и сложность изображений в наборе данных Fashion-MNIST, подчеркивая важность разнообразного набора данных для обучения надежных моделей классификации изображений.
Благодарности
Если вы используете набор данных Fashion-MNIST в своих исследованиях или разработках, пожалуйста, укажите ссылку на репозиторий GitHub. Этот набор данных был предоставлен 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 изображений статей Zalando в оттенках серого, предназначенная для современной замены оригинального набора данных MNIST. Он служит эталоном для моделей машинного обучения в контексте задач классификации изображений. В отличие от MNIST, который содержит 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 я могу 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 краткий пример, чтобы начать:
Пример обучения
from ultralytics import YOLO
# Load a pretrained model
model = YOLO("yolo11n-cls.pt")
# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
Для получения более подробной информации о параметрах обучения обратитесь к странице обучения.
Почему мне следует использовать набор данных Fashion-MNIST для оценки моих 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 тестирования моделей классификации изображений. Структура набора данных, включающая 60 000 обучающих изображений и 10 000 тестовых изображений, каждое из которых помечено одним из 10 классов, делает его идеальным для оценки производительности различных алгоритмов машинного обучения в более сложных условиях.
Могу ли я использовать Ultralytics YOLO для задач классификации изображений, таких как Fashion-MNIST?
Да, модели Ultralytics YOLO можно использовать для задач классификации изображений, включая те, которые связаны с набором данных Fashion-MNIST. YOLO11, например, поддерживает различные задачи компьютерного зрения, такие как обнаружение, сегментация и классификация. Чтобы начать работу с задачами классификации изображений, обратитесь к странице классификации.
Каковы основные характеристики и структура набора данных Fashion-MNIST?
Набор данных Fashion-MNIST разделен на два основных подмножества: 60 000 обучающих изображений и 10 000 тестовых изображений. Каждое изображение представляет собой 28x28-пиксельную картинку в оттенках серого, представляющую один из 10 классов, связанных с модой. Простота и хорошо структурированный формат делают его идеальным для обучения и оценки моделей в машинном обучении и задачах компьютерного зрения. Для получения более подробной информации о структуре набора данных см. раздел Структура набора данных.
Как я могу указать использование набора данных Fashion-MNIST в моем исследовании?
Если вы используете набор данных Fashion-MNIST в своих исследовательских или девелоперских проектах, важно указать ссылку на репозиторий GitHub. Это поможет указать авторство данных Zalando Research, которые предоставили набор данных для публичного использования.
