Fashion-MNIST Veri Kümesi#

The Fashion-MNIST veri seti, Zalando'nun kıyafet ürünlerine ait 10 sınıfa eşit olarak bölünmüş (tişört/üst, pantolon, kazak, elbise, kaban, sandalalet, gömlek, spor ayakkabı, çanta ve ayak bileği botu) 70.000 adet 28x28 gri tonlamalı görselden oluşan bir image classification kıyaslama (benchmark) setidir. 60.000 eğitim ve 10.000 test görselinden (sınıf başına 7.000) oluşan ön tanımlı bir bölünmeyle gelir ve machine learning algoritmalarını kıyaslamak için orijinal MNIST veri setinin yerine doğrudan kullanılabilen bir alternatiftir. Renkli görsel eşdeğeri için ilgili CIFAR-10 veri setine göz at.

Temel 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, image classification ve deep learning araştırmaları için standart bir kıyaslama (benchmark) setidir.

Veri 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)

Uygulamalar#

Fashion-MNIST, klasik Convolutional Neural Networks (CNN'ler) ve Support Vector Machines (SVM'ler) gibi modellerden modern derin mimarilere kadar image classification modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılır. Küçük gri tonlamalı görselleri ve 10 giyim kategorisi, MNIST'in el yazısı rakamlarından daha zorlu olmasının yanı sıra, algoritma karşılaştırması ve computer vision denemeleri için hızlı ve tekrarlanabilir bir kıyaslama sağlar.

Kullanım#

Fashion-MNIST üzerinde 28 görüntü boyutunda 100 epochs boyunca bir YOLO modeli eğit. Mevcut argümanların tam listesi için Training sayfasına ve image classification görev kılavuzuna göz at.

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 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.

Alıntılar 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}
}

machine learning ve computer vision araştırma topluluğu için değerli bir kaynak olarak Fashion-MNIST veri setini oluşturduğu ve bakımını yaptığı için Zalando Research'e teşekkür ederiz. Fashion-MNIST veri seti ve yaratıcıları hakkında daha fazla bilgi için Fashion-MNIST GitHub repository adresini ziyaret et.

SSS#

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

Fashion-MNIST veri seti, orijinal MNIST veri setinin yerine doğrudan kullanılmak üzere oluşturulmuş, 10 sınıf genelinde Zalando'nun kıyafet ürünlerine ait 70.000 adet 28x28 gri tonlamalı görüntüden oluşan bir kıyaslama (benchmark) setidir. MNIST'in tam görüntü boyutunu, formatını ve 60.000/10.000 eğitim/test bölünmesini paylaşır, ancak el yazısı rakamları tişört/üst, pantolon ve bot gibi daha zor moda kategorileriyle değiştirerek image classification modelleri için daha talepkar bir kıyaslama (benchmark) seti yapar.

Fashion-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 Training sayfasına göz at.

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)

Fashion-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.

Fashion-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.

Fashion-MNIST veri setinde modeller eğitmek için Ultralytics Platform kullanabilir miyim?#

Evet. Ultralytics Platform, kapsamlı kodlama gerekmeden veri setlerini yönetmene, image classification modelleri eğitmene ve bunları dağıtmna olanak tanır. Fashion-MNIST denemelerini bulutta çalıştırmak için uygun bir yoldur ve classification datasets overview sayfamızda daha fazla seçenek keşfedebilirsin.