Fashion-MNIST Veri Kümesi

Fashion-MNIST veri kümesi, 60.000 örneklik bir eğitim kümesi ve 10.000 örneklik bir test kümesinden oluşan Zalando ürün görselleri veritabanıdır. Her örnek, 10 sınıftan birine ait bir etiketle ilişkilendirilmiş 28x28 boyutunda gri tonlamalı bir görsellerdir. Fashion-MNIST, makine öğrenimi algoritmalarını kıyaslamak amacıyla orijinal MNIST veri kümesinin yerine doğrudan geçebilecek bir alternatif olarak tasarlanmıştır.

Temel Özellikler

• Fashion-MNIST, Zalando ürünlerine ait 60.000 eğitim ve 10.000 test görseli içerir.
• Veri kümesi, 28x28 piksel boyutunda gri tonlamalı görsellerden oluşur.
• Her pikselin, o pikselin açıklık veya koyuluğunu gösteren ve kendisiyle ilişkili tek bir piksel değeri vardır; daha yüksek sayılar daha koyu anlamına gelir. Bu piksel değeri 0 ile 255 arasında bir tam sayıdır.
• Fashion-MNIST, özellikle görsel sınıflandırma görevleri için makine öğrenimi alanında eğitim ve test amacıyla yaygın olarak kullanılır.

Veri Kümesi Yapısı

Fashion-MNIST veri kümesi iki alt kümeye ayrılmıştır:

1. Eğitim Kümesi: Bu alt küme, makine öğrenimi modellerini eğitmek için kullanılan 60.000 görseli içerir.
2. Test Kümesi: Bu alt küme, eğitilmiş modelleri test etmek ve kıyaslamak için kullanılan 10.000 görüntüden oluşur.

Etiketler

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

Uygulamalar

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

Kullanım

Fashion-MNIST veri kümesi üzerinde 28x28 görsel boyutuyla 100 dönem (epoch) boyunca bir CNN modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Kullanılabilir argümanların kapsamlı bir listesi için Eğitim sayfası modeline 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)

Örnek Görüntüler ve Ek Açıklamalar

Fashion-MNIST veri kümesi, görsel sınıflandırma görevleri için iyi yapılandırılmış bir veri kümesi sağlayan Zalando ürünlerinin gri tonlamalı görsellerini içerir. İşte veri kümesinden bazı görsel örnekleri:

Bu örnek, Fashion-MNIST veri kümesindeki görsellerin çeşitliliğini ve karmaşıklığını sergileyerek, sağlam görsel sınıflandırma modelleri eğitmek için çeşitli bir veri kümesinin önemini vurgular.

Teşekkürler

Fashion-MNIST veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen GitHub deposuna bağlantı vererek veri kümesini belirt. Bu veri kümesi Zalando Research tarafından kullanıma sunulmuştur.

SSS

Fashion-MNIST veri kümesi nedir ve MNIST'ten farkı nedir?

Fashion-MNIST veri kümesi, orijinal MNIST veri kümesinin modern bir alternatifi olarak amaçlanan 70.000 Zalando ürün görseli koleksiyonudur. Görsel 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 odaklı sınıfa ayrılmış 28x28 piksellik görsellerden oluşur.

Fashion-MNIST veri kümesi üzerinde bir YOLO modelini nasıl eğitebilirim?

Bir Ultralytics YOLO modelini Fashion-MNIST veri kümesi üzerinde eğitmek için hem Python hem de CLI komutlarını kullanabilirsin. İşte 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 bak.

Makine öğrenimi modellerimi kıyaslamak için neden Fashion-MNIST veri kümesini kullanmalıyım?

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

Ultralytics YOLO'yu Fashion-MNIST gibi görsel sınıflandırma görevleri için kullanabilir miyim?

Evet, Ultralytics YOLO modelleri, Fashion-MNIST veri kümesini içerenler dahil olmak üzere görsel sınıflandırma görevleri için kullanılabilir. Örneğin YOLO26, tespit, segmentasyon ve sınıflandırma gibi çeşitli görü görevlerini destekler. Görsel sınıflandırma görevlerine başlamak için Sınıflandırma sayfasına bak.

Fashion-MNIST veri kümesinin temel özellikleri ve yapısı nelerdir?

Fashion-MNIST veri kümesi, 60.000 eğitim ve 10.000 test görseli olmak üzere iki ana alt kümeye ayrılmıştır. Her görsel, 10 moda odaklı 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 kümesi yapısı hakkında daha fazla ayrıntı için Veri Kümesi Yapısı bölümüne bak.

Araştırmamda Fashion-MNIST veri kümesini kullandığımı nasıl belirtebilirim?

Fashion-MNIST veri kümesini araştırma veya geliştirme projelerinde kullanırsan, GitHub deposuna bağlantı vererek bunu belirtmen önemlidir. Bu, verilerin, veri kümesini halka açık kullanıma sunan Zalando Research'e atfedilmesine yardımcı olur.