Link to this sectionFashion-MNIST Veri Seti#

Fashion-MNIST veri seti, Zalando'nun ürün görsellerinden oluşan bir veritabanıdır; 60.000 örnekten oluşan bir eğitim kümesi ve 10.000 örnekten oluşan bir test kümesini içerir. Her örnek, 10 sınıftan bir etiketle ilişkilendirilmiş 28x28 boyutunda gri tonlamalı bir görseldir. Fashion-MNIST, makine öğrenimi algoritmalarını kıyaslamak için orijinal MNIST veri setinin yerine doğrudan kullanılabilecek bir alternatif olarak tasarlanmıştır.

Link to this sectionTemel Özellikler#

• Fashion-MNIST, Zalando'nun ürün görsellerinden oluşan 60.000 eğitim görseli ve 10.000 test görseli içerir.
• Veri seti, 28x28 piksel boyutunda gri tonlamalı görsellerden oluşur.
• Her pikselin, o pikselin açıklığını veya koyuluğunu gösteren tek bir piksel değeri vardır; daha büyük sayılar daha koyu anlamına gelir. Bu piksel değeri 0 ile 255 arasında bir tam sayıdır.
• Fashion-MNIST, özellikle görüntü sınıflandırma görevleri olmak üzere makine öğrenimi alanında eğitim ve test için yaygın olarak kullanılır.

Link to this sectionVeri Seti Yapısı#

Fashion-MNIST veri seti iki alt kümeye ayrılmıştır:

1. Eğitim Kümesi (Training Set): Bu alt küme, makine öğrenimi modellerini eğitmek için kullanılan 60.000 görsel içerir.
2. Test Kümesi (Testing Set): Bu alt küme, eğitilen modelleri test etmek ve kıyaslamak için kullanılan 10.000 görselden oluşur.

Link to this sectionEtiketler#

Her eğitim ve test örneği aşağıdaki etiketlerden birine atanmıştır:

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Link to this sectionUygulamalar#

Fashion-MNIST veri seti, Evrişimli Sinir Ağları (CNN'ler), Destek Vektör Makineleri (SVM'ler) ve diğer çeşitli makine öğrenimi algoritmaları gibi görüntü sınıflandırma görevlerinde derin öğrenme modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılır. Veri setinin basit ve iyi yapılandırılmış formatı, onu makine öğrenimi ve bilgisayarlı görü alanındaki araştırmacılar ve uygulayıcılar için temel bir kaynak haline getirir.

Link to this sectionKullanım#

Fashion-MNIST veri setinde 28x28 görsel boyutuyla 100 epoch boyunca bir CNN modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut bağımsız değişkenlerin kapsamlı bir listesi için model Eğitim sayfasına başvur.

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 Görseller ve Açıklamalar#

Fashion-MNIST veri seti, görüntü sınıflandırma görevleri için iyi yapılandırılmış bir veri seti sağlayan, Zalando'nun ürün görsellerinden oluşan gri tonlamalı görseller içerir. İşte veri setinden bazı örnek görseller:

Bu örnek, Fashion-MNIST veri setindeki görsellerin çeşitliliğini ve karmaşıklığını sergileyerek, sağlam görüntü sınıflandırma modelleri eğitmek için çeşitli bir veri setinin önemini vurgular.

Link to this sectionTeşekkür ve Atıf#

Fashion-MNIST veri setini araştırmanda veya geliştirme çalışmalarında kullanırsan, lütfen GitHub deposuna bağlantı vererek veri setine atıfta bulun. Bu veri seti Zalando Research tarafından kullanıma sunulmuştur.

Link to this sectionSSS#

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

Fashion-MNIST veri seti, orijinal MNIST veri setinin modern bir yedeği olarak tasarlanmış, Zalando'nun ürün görsellerinden oluşan 70.000 gri tonlamalı görsel koleksiyonudur. Görüntü sınıflandırma görevleri bağlamında makine öğrenimi modelleri için bir kıyaslama görevi görür. El yazısı rakamlar içeren MNIST'ten farklı olarak Fashion-MNIST, tişört/üst, pantolon ve bot gibi 10 moda ile ilgili sınıfa ayrılmış 28x28 piksellik görsellerden oluşur.

Link to this sectionFashion-MNIST veri setinde nasıl YOLO modeli eğitebilirim?#

Bir Ultralytics YOLO modelini Fashion-MNIST veri setinde eğitmek için hem Python hem de CLI komutlarını kullanabilirsin. Başlaman için hızlı bir örnek:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n-cls.pt")

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

Daha ayrıntılı eğitim parametreleri için Eğitim sayfasına bakabilirsin.

Link to this sectionMakine öğrenimi modellerimi kıyaslamak için neden Fashion-MNIST veri setini kullanmalıyım?#

Fashion-MNIST veri seti, derin öğrenme topluluğunda MNIST'e sağlam bir alternatif olarak geniş çapta kabul görmüştür. Daha karmaşık ve çeşitli bir görsel seti sunarak görüntü sınıflandırma modellerini kıyaslamak için mükemmel bir seçim haline gelir. 60.000 eğitim ve 10.000 test görselinden oluşan, her biri 10 sınıftan biriyle etiketlenmiş yapısı, onu farklı makine öğrenimi algoritmalarının performansını daha zorlu bir bağlamda değerlendirmek için ideal kılar.

Link to this sectionFashion-MNIST gibi görüntü sınıflandırma görevleri için Ultralytics YOLO kullanabilir miyim?#

Evet, Ultralytics YOLO modelleri, Fashion-MNIST veri setini içerenler dahil olmak üzere görüntü sınıflandırma görevleri için kullanılabilir. Örneğin YOLO26; algılama, örnek segmentasyonu, anlamsal segmentasyon, sınıflandırma, poz tahmini ve yönlendirilmiş nesne algılama gibi çeşitli görme görevlerini destekler. Görüntü sınıflandırma görevlerine başlamak için Sınıflandırma sayfasına başvur.

Link to this sectionFashion-MNIST veri setinin temel özellikleri ve yapısı nelerdir?#

Fashion-MNIST veri seti iki ana alt kümeye ayrılmıştır: 60.000 eğitim görseli ve 10.000 test görseli. Her görsel, 10 moda ile ilgili sınıftan birini temsil eden 28x28 piksellik gri tonlamalı bir resimdir. Basitliği ve iyi yapılandırılmış formatı, onu makine öğrenimi ve bilgisayarlı görü görevlerinde modelleri eğitmek ve değerlendirmek için ideal kılar. Veri seti yapısı hakkında daha fazla ayrıntı için Veri Seti Yapısı bölümüne bak.

Link to this sectionAraştırmamda Fashion-MNIST veri setinin kullanımına nasıl atıfta bulunabilirim?#

Fashion-MNIST veri setini araştırma veya geliştirme projelerinde kullanıyorsan, GitHub deposuna bağlantı vererek buna atıfta bulunman önemlidir. Bu, verinin, veri setini halka açık kullanıma sunan Zalando Research'e atfedilmesine yardımcı olur.