Набор данных Fashion-MNIST

Fashion-MNIST dataset - это база данных изображений товаров Zalando, состоящая из обучающего набора из 60 000 примеров и тестового набора из 10 000 примеров. Каждый пример - это изображение размером 28х28 градаций серого, связанное с меткой из 10 классов. Fashion-MNIST призван служить прямой заменой оригинальному набору данных MNIST для бенчмаркинга алгоритмов машинного обучения.

Смотри: Как классифицировать изображения в наборе данных Fashion MNIST с помощью Ultralytics YOLOv8

Основные характеристики

• Fashion-MNIST содержит 60 000 обучающих и 10 000 тестирующих изображений артикулов Zalando.
• Набор данных состоит из полутоновых изображений размером 28х28 пикселей.
• С каждым пикселем связано одно пиксельное значение, указывающее на светлоту или темноту этого пикселя, причем более высокие числа означают более темный цвет. Это пиксельное значение - целое число от 0 до 255.
• Мод-MNIST широко используется для обучения и тестирования в области машинного обучения, особенно для задач классификации изображений.

Структура набора данных

Набор данных Fashion-MNIST разбит на два подмножества:

1. Набор для обучения: Этот поднабор содержит 60 000 изображений, используемых для обучения моделей машинного обучения.
2. Набор для тестирования: Это подмножество состоит из 10 000 изображений, которые используются для тестирования и бенчмаркинга обученных моделей.

Ярлыки

Каждому тренировочному и тестовому примеру присваивается одна из следующих меток:

1. Футболка/топ
2. Брюки
3. Пуловер
4. Платье
5. Пальто
6. Сандал
7. Рубашка
8. Кроссовки
9. Сумка
10. Ботинок по щиколотку

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

Чтобы обучить модель CNN на наборе данных Fashion-MNIST в течение 100 эпох при размере изображения 28х28, ты можешь использовать следующие фрагменты кода. Полный список доступных аргументов ты найдешь на странице обучения модели.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

Примеры изображений и аннотаций

Набор данных Fashion-MNIST содержит полутоновые изображения артикулов Zalando, представляя 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 ты используешь набор данных Fashion-MNIST в своих исследованиях или разработках, пожалуйста, отметь его, поставив ссылку на репозиторий GitHub. Этот набор данных был предоставлен компанией Zalando Research.

ВОПРОСЫ И ОТВЕТЫ

Что такое датасет Fashion-MNIST и чем он отличается от MNIST?

Набор данных Fashion-MNIST - это коллекция из 70 000 полутоновых изображений артикулов Zalando, 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 28х28 пикселей, разделенных на 10 классов, связанных с модой, таких как футболка/топ, брюки и ботинки по щиколотку.

Как обучить модель YOLO на наборе данных Fashion-MNIST?

Чтобы обучить модель Ultralytics YOLO на наборе данных Fashion-MNIST, ты можешь использовать обе команды Python и CLI . Вот быстрый пример, который поможет тебе начать:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n-cls.pt")

# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

yolo detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

Более подробные параметры тренировки ты найдешь на странице "Тренировка".

Почему я должен использовать набор данных Fashion-MNIST для бенчмаркинга своих моделей машинного обучения?

Набор данных Fashion-MNIST широко признан 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. YOLOv8, например, поддерживает различные задачи зрения, такие как обнаружение, сегментация и классификация. Чтобы приступить к решению задач классификации изображений, обратись 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 - это полутоновая картинка размером 28х28 пикселей, представляющая один из 10 классов, связанных с модой. Простота и хорошо структурированный формат делают его идеальным для обучения и оценки моделей в задачах машинного обучения и компьютерного зрения. Подробнее о структуре датасета читай в разделе "Структура датасета".

Как я могу подтвердить использование набора данных Fashion-MNIST в своем исследовании?

Если ты используешь набор данных Fashion-MNIST в своих исследованиях или разработках, важно отметить это, поставив ссылку на репозиторий GitHub. Это поможет приписать данные компании Zalando Research, которая сделала их общедоступными.

Комментарии