Датасет Fashion-MNIST#
Датасет Fashion-MNIST — это бенчмарк для классификации изображений, включающий 70 000 черно-белых изображений одежды Zalando размером 28x28, равномерно распределенных по 10 классам: футболка/топ, брюки, пуловер, платье, пальто, сандалии, рубашка, кроссовки, сумка и ботильоны. Датасет поставляется с заранее заданным разделением на 60 000 обучающих и 10 000 тестовых изображений (по 7 000 на класс) и служит готовой заменой исходному датасету MNIST для тестирования алгоритмов машинного обучения. Эквивалент для цветных изображений смотри в связанном датасете CIFAR-10.
Открой Fashion-MNIST на Ultralytics Platform, чтобы просмотреть примеры, изучить статистику датасета и клонировать его для обучения.
Основные особенности#
- Fashion-MNIST содержит 70 000 черно-белых изображений размером 28x28 пикселей, равномерно распределенных по 10 классам.
- В каждом классе ровно 7 000 изображений — 6 000 для обучения и 1 000 для тестирования, поэтому датасет идеально сбалансирован.
- Fashion-MNIST — готовая замена MNIST: у него такой же размер изображений, формат и структура разделения, но категории одежды сложнее, чем рукописные цифры.
- Датасет содержит заранее заданное разделение на обучающую и тестовую выборки, поэтому вручную или автоматически делить данные не нужно.
- Fashion-MNIST — стандартный бенчмарк для исследований в области классификации изображений и глубокого обучения.
Структура набора данных#
Fashion-MNIST поставляется с официальным заранее заданным разделением, поэтому автоматически или вручную делить данные не нужно:
- Классы: 10 (футболка/топ, брюки, пуловер, платье, пальто, сандалии, рубашка, кроссовки, сумка, ботильоны)
- Всего изображений: 70 000 (черно-белые, 28x28)
- Обучающая выборка: 60 000 изображений (по 6 000 на класс)
- Тестовая выборка: 10 000 изображений (по 1 000 на класс)
У Fashion-MNIST нет отдельной папки для валидации, поэтому Ultralytics по умолчанию использует тестовую выборку из 10 000 изображений как валидационную при обучении.
Применение#
Fashion-MNIST широко используют для обучения и оценки моделей классификации изображений: от классических сверточных нейронных сетей (CNNs) и метода опорных векторов (SVMs) до современных глубоких архитектур. Небольшие черно-белые изображения и 10 категорий одежды делают его быстрым и воспроизводимым бенчмарком для сравнения алгоритмов и экспериментов в сфере компьютерного зрения, причем он сложнее, чем MNIST с рукописными цифрами.
Использование#
Обучай модель YOLO на Fashion-MNIST в течение 100 эпох с размером изображения 28. Полный список доступных аргументов смотри на странице обучения и в руководстве по задаче классификации изображений.
from ultralytics import YOLO
# Загрузить модель
model = YOLO("yolo26n-cls.pt") # загрузить предварительно обученную модель (рекомендуется для обучения)
# Обучить модель
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)Примеры изображений и аннотаций#
Примеры изображений из датасета Fashion-MNIST:
Примеры демонстрируют разнообразие категорий одежды в датасете Fashion-MNIST и показывают, насколько разнообразный датасет важен для обучения надежных моделей классификации изображений.
Цитирование и благодарности#
Если ты используешь датасет Fashion-MNIST в исследованиях или разработке, укажи в цитировании 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 хотели бы поблагодарить Zalando Research за создание и поддержку датасета Fashion-MNIST, ценного ресурса для сообщества исследователей в области машинного обучения и компьютерного зрения. Подробнее о датасете Fashion-MNIST и его создателях читай в репозитории Fashion-MNIST на GitHub.
Часто задаваемые вопросы#
Датасет Fashion-MNIST — это бенчмарк из 70 000 черно-белых изображений одежды Zalando размером 28x28 в 10 классах, созданный как готовая замена исходному датасету MNIST. У него те же размер и формат изображений, а также такое же разделение на обучающую и тестовую выборки 60 000/10 000, но вместо рукописных цифр представлены более сложные категории одежды — например, футболка/топ, брюки и ботильоны, — что делает его более сложным бенчмарком для моделей классификации изображений.
Чтобы обучить модель Ultralytics YOLO на Fashion-MNIST, используй приведенные ниже фрагменты кода. При первом использовании датасет загружается автоматически. Полный список аргументов смотри на странице обучения модели.
Пример обученияfrom ultralytics import YOLO # Загрузить модель model = YOLO("yolo26n-cls.pt") # загрузить предварительно обученную модель (рекомендуется для обучения) # Обучить модель 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, — в каждом ровно по 7 000 изображений, всего 70 000 изображений. Каждое изображение — черно-белая картинка размером 28x28 с одним предметом одежды Zalando, а классы идеально сбалансированы.
Fashion-MNIST поставляется с заранее заданным разделением на 60 000 обучающих и 10 000 тестовых изображений: на каждый класс приходится ровно 6 000 обучающих и 1 000 тестовых изображений. В отличие от классификационных датасетов, организованных по папкам и автоматически разделяемых Ultralytics, официальное разбиение Fashion-MNIST используется без изменений, а тестовая выборка по умолчанию служит валидационной при обучении.
Да. Ultralytics Platform позволяет управлять датасетами, обучать модели классификации изображений и развертывать их без сложного программирования. Это удобный способ запускать эксперименты с Fashion-MNIST в облаке; больше вариантов ты найдешь в нашем обзоре датасетов для классификации.