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 görseldir. Fashion-MNIST, makine öğrenimi algoritmalarını kıyaslamak için orijinal MNIST veri kümesinin yerini doğrudan alacak bir alternatif olarak tasarlanmıştır.

Temel Özellikler

• Fashion-MNIST, Zalando'nun 60.000 eğitim ve 10.000 test ürün görselini içerir.
• Veri kümesi, 28x28 piksel boyutunda gri tonlamalı görsellerden oluşur.
• Her pikselin kendisiyle ilişkili tek bir piksel değeri vardır; bu değer pikselin açıklığını veya koyuluğunu gösterir ve yüksek sayılar daha koyu olduğu 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 kullanılmaktadır.

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 görsel içerir.
2. Test Kümesi: Bu alt küme, eğitilen modelleri test etmek ve kıyaslamak için kullanılan 10.000 görselden oluşur.

Etiketler

Her eğitim ve test örneği aşağıdaki etiketlerden birine atanır:

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 diğer çeşitli makine öğrenimi algoritmaları gibi görüntü 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 temel 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. Mevcut argümanların kapsamlı bir listesi için Eğitim (Training) sayfasına bakabilirsin.

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 Görseller ve Açıklamalar

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

Bu örnek, Fashion-MNIST veri kümesindeki görsellerin çeşitliliğini ve karmaşıklığını sergileyerek güçlü görüntü sınıflandırma modelleri eğitmek için çeşitli bir veri kümesinin önemini vurgulamaktadır.

Teşekkür

Fashion-MNIST veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen GitHub deposuna bağlantı vererek veri kümesine atıfta bulun. 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 yerini alması amaçlanan, Zalando'nun 70.000 gri tonlamalı ürün görselinden oluşan bir koleksiyondur. Görüntü sınıflandırma görevleri bağlamında makine öğrenimi modelleri için bir kıyaslama ölçütü görevi görür. El yazısı rakamları içeren MNIST'ten farklı olarak, Fashion-MNIST, tişört/üst, pantolon ve bot gibi 10 moda temalı sınıfa ayrılmış 28x28 piksellik görsellerden oluşur.

Fashion-MNIST veri kümesinde nasıl YOLO modeli eğitebilirim?

Fashion-MNIST veri kümesinde bir Ultralytics YOLO modeli eğitmek için hem Python hem de CLI komutlarını kullanabilirsin. İşte başlangıç 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.

Neden makine öğrenimi modellerimi kıyaslamak için Fashion-MNIST veri kümesini kullanmalıyım?

Fashion-MNIST veri kümesi, derin öğrenme topluluğunda MNIST'e sağlam bir alternatif olarak geniş çapta kabul görmüştür. Daha karmaşık ve çeşitli görseller sunarak görüntü sınıflandırma modellerini kıyaslamak için mükemmel bir seçenek 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.

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

Evet, Ultralytics YOLO modelleri, Fashion-MNIST veri kümesini içerenler dahil olmak üzere görüntü sınıflandırma görevleri için kullanılabilir. Örneğin YOLO26; nesne tespiti, örnek bölümleme (instance segmentation), anlamsal bölümleme (semantic segmentation) ve sınıflandırma gibi çeşitli görüntü görevlerini destekler. Görüntü sınıflandırma görevlerine başlamak için Sınıflandırma sayfasına bakabilirsin.

Fashion-MNIST veri kümesinin temel özellikleri ve yapısı nedir?

Fashion-MNIST veri kümesi iki ana alt kümeye ayrılmıştır: 60.000 eğitim görseli ve 10.000 test görseli. Her görsel, 10 moda temalı 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 bakabilirsin.

Araştırmamda Fashion-MNIST veri kümesini kullandığımı nasıl belirtebilirim?

Araştırma veya geliştirme projelerinde Fashion-MNIST veri kümesini kullanırsan, GitHub deposuna bağlantı vererek bunu belirtmen önemlidir. Bu, verilerin kamu kullanımına sunulmasını sağlayan Zalando Research'e atıfta bulunmana yardımcı olur.