Fashion-MNIST Veri Kümesi#
Fashion-MNIST, Zalando'nun giyim ürünlerine ait 10 sınıfa eşit olarak dağıtılmış 70.000 adet 28x28 gri tonlamalı görüntüden oluşan bir görüntü sınıflandırma kıyaslama veri kümesidir. Sınıflar tişört/üst, pantolon, kazak, elbise, palto, sandalet, gömlek, spor ayakkabı, çanta ve bilek botudur. Veri kümesi, önceden tanımlanmış 60.000 eğitim ve 10.000 test görüntüsü bölünmesiyle sunulur (sınıf başına 7.000 görüntü) ve algoritmaları makine öğrenimi açısından kıyaslamak için özgün MNIST veri kümesinin doğrudan yerine kullanılabilir. Renkli görüntü eşdeğeri için ilişkili CIFAR-10 veri kümesine bak.
Örnekleri önizlemek, veri kümesi istatistiklerini incelemek ve eğitim için kopyalamak üzere Ultralytics Platform'daki Fashion-MNIST'i keşfet.
Temel Özellikler#
- Fashion-MNIST, 10 sınıfa eşit olarak dağıtılmış 70.000 adet 28x28 piksellik gri tonlamalı görüntü içerir.
- Her sınıfta tam 7.000 görüntü bulunur: 6.000'i eğitim, 1.000'i test içindir; dolayısıyla veri kümesi mükemmel şekilde dengelidir.
- MNIST'in doğrudan yerine kullanılabilir: görüntü boyutu, biçimi ve bölünme yapısı aynıdır; ancak el yazısı rakamlar yerine daha zor giyim kategorileri içerir.
- Veri kümesi önceden tanımlanmış bir eğitim/test bölmesiyle sunulur; bu nedenle elle veya otomatik bölme gerekmez.
- Fashion-MNIST, görüntü sınıflandırma ve derin öğrenme araştırmalarında standart bir kıyaslama veri kümesidir.
Veri Kümesi Yapısı#
Fashion-MNIST resmî, önceden tanımlanmış bir bölünmeyle sunulur; bu nedenle otomatik veya manuel bölümlendirme gerekmez:
- Sınıflar: 10 (tişört/üst, pantolon, kazak, elbise, palto, sandalet, gömlek, spor ayakkabı, çanta, bilek botu)
- Toplam görüntü: 70.000 (28x28 gri tonlamalı)
- Eğitim kümesi: 60.000 görüntü (sınıf başına 6.000)
- Test kümesi: 10.000 görüntü (sınıf başına 1.000)
Fashion-MNIST'in ayrı bir doğrulama klasörü yoktur; bu nedenle Ultralytics, eğitim sırasında varsayılan olarak 10.000 görüntülük test kümesini doğrulama bölümü olarak kullanır.
Uygulamalar#
Fashion-MNIST, klasik Evrişimsel Sinir Ağlarından (CNNs) ve Destek Vektör Makinelerine (SVMs), modern derin mimarilere kadar görüntü sınıflandırma modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılır. Küçük gri tonlamalı görüntüleri ve 10 giyim kategorisi, onu algoritma karşılaştırmaları ve bilgisayarlı görü deneyleri için hızlı ve tekrarlanabilir bir kıyaslama veri kümesi hâline getirirken MNIST'in el yazısı rakamlarından daha zorlu kılar.
Kullanım#
Fashion-MNIST üzerinde bir YOLO modelini, 28 görüntü boyutunda 100 epoch boyunca eğit. Kullanılabilir bağımsız değişkenlerin tam listesi için Eğitim sayfasına ve görüntü sınıflandırma görev kılavuzuna bak.
from ultralytics import YOLO
# Bir model yükle
model = YOLO("yolo26n-cls.pt") # Önceden eğitilmiş bir model yükle (eğitim için önerilir)
# Modeli eğit
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)Örnek Görüntüler ve Ek Açıklamalar#
Fashion-MNIST veri kümesinden örnek görüntüler:
Örnekler, Fashion-MNIST veri kümesindeki giyim kategorilerinin çeşitliliğini göstererek sağlam görüntü sınıflandırma modellerini eğitmek için çeşitli bir veri kümesinin değerini vurguluyor.
Atıflar ve Teşekkürler#
Fashion-MNIST veri kümesini araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen aşağıdaki 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}
}Değerli bir kaynak olarak Fashion-MNIST veri kümesini oluşturup sürdürdüğü için Zalando Research'e, makine öğrenimi ve bilgisayarlı görü araştırma topluluğu adına teşekkür ederiz. Fashion-MNIST veri kümesi ve oluşturucuları hakkında daha fazla bilgi için Fashion-MNIST GitHub deposunu ziyaret et.
Sık Sorulan Sorular#
Fashion-MNIST, Zalando'nun giyim ürünlerine ait 10 sınıfa dağılmış 70.000 adet 28x28 gri tonlamalı görüntüden oluşan ve özgün MNIST veri kümesinin doğrudan yerine kullanılmak üzere oluşturulmuş bir kıyaslama veri kümesidir. MNIST ile aynı görüntü boyutunu, biçimini ve 60.000/10.000 eğitim/test bölünmesini paylaşır; ancak el yazısı rakamları tişört/üst, pantolon ve bilek botu gibi daha zor moda kategorileriyle değiştirerek görüntü sınıflandırma modelleri için daha zorlu bir kıyaslama veri kümesi hâline gelir.
Fashion-MNIST üzerinde bir Ultralytics YOLO modelini eğitmek için aşağıdaki kod parçacıklarını kullan. Veri kümesi ilk kullanımda otomatik olarak indirilir. Bağımsız değişkenlerin tam listesi için modelin Eğitim sayfasına bak.
Eğitim Örneğifrom ultralytics import YOLO # Bir model yükle model = YOLO("yolo26n-cls.pt") # Önceden eğitilmiş bir model yükle (eğitim için önerilir) # Modeli eğit results = model.train(data="fashion-mnist", epochs=100, imgsz=28)Fashion-MNIST'te tişört/üst, pantolon, kazak, elbise, palto, sandalet, gömlek, spor ayakkabı, çanta ve bilek botu olmak üzere 10 sınıf vardır. Her sınıfta tam 7.000 görüntü bulunur ve toplam görüntü sayısı 70.000'dir. Her görüntü, Zalando'ya ait tek bir giyim ürününün 28x28 boyutunda gri tonlamalı bir resmidir ve sınıflar mükemmel şekilde dengelidir.
Fashion-MNIST, 60.000 eğitim ve 10.000 test görüntüsünden oluşan önceden tanımlanmış bir bölünmeyle sunulur; her sınıfta tam 6.000 eğitim ve 1.000 test görüntüsü bulunur. Ultralytics'in otomatik olarak böldüğü klasör tabanlı sınıflandırma veri kümelerinden farklı olarak Fashion-MNIST'in resmî bölümlendirmesi olduğu gibi kullanılır ve eğitim sırasında test kümesi varsayılan olarak doğrulama bölümü işlevi görür.
Evet. Ultralytics Platform, veri kümelerini yönetmeni, görüntü sınıflandırma modellerini eğitmeni ve kapsamlı kodlama yapmadan dağıtmanı sağlar. Fashion-MNIST deneylerini bulutta çalıştırmanın kullanışlı bir yoludur; diğer seçenekleri sınıflandırma veri kümelerine genel bakışımızda inceleyebilirsin.