Link to this sectionFashion-MNIST Veri Kümesi#

The Fashion-MNIST dataset is an image classification benchmark of 70,000 28x28 grayscale images of Zalando's clothing articles, evenly split across 10 classes — T-shirt/top, trouser, pullover, dress, coat, sandal, shirt, sneaker, bag, and ankle boot. It ships with a predefined split of 60,000 training and 10,000 test images (7,000 per class) and serves as a drop-in replacement for the original MNIST dataset for benchmarking machine learning algorithms. For the color-image equivalent, see the related CIFAR-10 dataset.

Link to this sectionTemel Özellikler#

• Fashion-MNIST, 10 sınıfa eşit şekilde bölünmüş 70.000 adet 28x28 piksellik gri tonlamalı görüntü içerir.
• Her sınıf tam olarak 7.000 görüntü (6.000'i eğitim, 1.000'i test için) içerir, bu nedenle veri seti mükemmel bir şekilde dengelidir.
• MNIST için doğrudan bir alternatiftir: aynı görüntü boyutu, format ve bölünme yapısına sahiptir ancak el yazısı rakamlar yerine daha zorlu giyim kategorileri içerir.
• Veri kümesi önceden tanımlanmış bir eğitim/test bölünmesi ile gelir, bu nedenle manuel veya otomatik bölme gerekmez.
• Fashion-MNIST, görüntü sınıflandırma ve derin öğrenme araştırmaları için standart bir kıyaslama ölçütüdür.

Link to this sectionVeri Kümesi Yapısı#

Fashion-MNIST resmi ve önceden tanımlanmış bir bölünme ile geldiğinden, otomatik veya manuel bir bölümlemeye gerek yoktur:

• Sınıflar: 10 (tişört/üst, pantolon, kazak, elbise, kaban, sandalet, gömlek, spor ayakkabı, çanta, bot)
• Toplam görüntü: 70.000 (28x28 gri tonlamalı)
• Eğitim seti: 60.000 görüntü (sınıf başına 6.000)
• Test kümesi: 10.000 görüntü (sınıf başına 1.000)

Link to this sectionUygulamalar#

Fashion-MNIST is widely used to train and evaluate image classification models, from classic Convolutional Neural Networks (CNNs) and Support Vector Machines (SVMs) to modern deep architectures. Its small grayscale images and 10 clothing categories make it a fast, reproducible benchmark for algorithm comparison and computer vision experimentation, while being more challenging than the handwritten digits of MNIST.

Link to this sectionKullanım#

Fashion-MNIST üzerinde 28 görüntü boyutunda 100 epoch boyunca bir YOLO modeli eğit. Kullanılabilir argümanların tam listesi için Eğitim sayfasına ve görüntü sınıflandırma görev kılavuzuna bak.

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)

Link to this sectionÖrnek Görüntüler ve Ek Açıklamalar#

Fashion-MNIST veri setinden örnek görüntüler:

Bu örnekler, Fashion-MNIST veri setindeki giyim kategorilerinin çeşitliliğini göstererek, sağlam görüntü sınıflandırma modelleri eğitmek için çeşitli bir veri setinin değerini vurgulamaktadır.

Link to this sectionAlıntılar ve Teşekkür#

Fashion-MNIST veri setini araştırma veya geliştirme çalışmalarında kullanıyorsan, lütfen şu makaleye atıfta bulun:

@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}
}

Makine öğrenimi ve bilgisayarlı görü araştırma topluluğu için değerli bir kaynak olarak Fashion-MNIST veri setini oluşturduğu ve sürdürdüğü için Zalando Research'e teşekkür ederiz. Fashion-MNIST veri seti ve yaratıcıları hakkında daha fazla bilgi için Fashion-MNIST GitHub deposunu ziyaret et.

Link to this sectionSSS#

Link to this sectionFashion-MNIST veri kümesi nedir ve MNIST'ten farkı nedir?#

Fashion-MNIST veri seti, orijinal MNIST veri setinin yerine doğrudan kullanılmak üzere oluşturulmuş, 10 sınıfta 70.000 adet 28x28 gri tonlamalı Zalando giyim ürünü görüntüsünden oluşan bir kıyaslama ölçütüdür. MNIST ile aynı görüntü boyutunu, formatı ve 60.000/10.000 eğitim/test bölünmesini paylaşır, ancak el yazısı rakamları tişört/üst, pantolon ve bot gibi daha zorlu moda kategorileriyle değiştirir; bu da onu görüntü sınıflandırma modelleri için daha talepkar bir kıyaslama ölçütü haline getirir.

Link to this sectionFashion-MNIST veri seti üzerinde nasıl Ultralytics YOLO modeli eğitebilirim?#

Fashion-MNIST üzerinde bir Ultralytics YOLO modeli eğitmek için aşağıdaki kod parçacıklarını kullan. Veri seti ilk kullanımda otomatik olarak indirilir. Argümanların tam listesi için model Eğitim sayfasına bak.

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)

Link to this sectionFashion-MNIST veri setinde kaç sınıf vardır?#

Fashion-MNIST; tişört/üst, pantolon, kazak, elbise, kaban, sandalet, gömlek, spor ayakkabı, çanta ve bot olmak üzere 10 sınıfa sahiptir. Her biri tam 7.000 görüntü içerir ve toplamda 70.000 görüntüden oluşur. Her görüntü, tek bir Zalando giyim ürününün 28x28 gri tonlamalı resmidir ve sınıflar mükemmel şekilde dengelenmiştir.

Link to this sectionFashion-MNIST veri seti eğitim ve test setlerine nasıl bölünmüştür?#

Fashion-MNIST, 60.000 eğitim görüntüsü ve 10.000 test görüntüsünden oluşan, sınıf başına tam 6.000 eğitim ve 1.000 test görüntüsü içeren önceden tanımlanmış bir bölünme ile gelir. Ultralytics'in otomatik olarak böldüğü klasör tabanlı sınıflandırma veri setlerinin aksine, Fashion-MNIST'in resmi bölümlemesi olduğu gibi kullanılır ve test seti eğitim sırasında varsayılan olarak doğrulama bölünmesi işlevi görür.

Link to this sectionFashion-MNIST veri setinde modeller eğitmek için Ultralytics Platform kullanabilir miyim?#

Evet. Ultralytics Platform, veri setlerini yönetmene, görüntü sınıflandırma modelleri eğitmene ve bunları kapsamlı kod yazmadan dağıtmana olanak tanır. Bulutta Fashion-MNIST denemeleri çalıştırmak için uygun bir yoldur ve sınıflandırma veri setlerine genel bakış bölümümüzde daha fazla seçenek keşfedebilirsin.