Fashion-MNIST Veri Kümesi#
Fashion-MNIST veri kümesi, Zalando'nun giyim ürünlerine ait 10 sınıfa eşit olarak bölünmüş 70.000 adet 28x28 gri tonlamalı görüntüden oluşan bir görüntü sınıflandırma karşılaştırma standardıdır — tişört/üst, pantolon, kazak, elbise, palto, sandalet, gömlek, spor ayakkabı, çanta ve bilekte bot. Veri kümesi, önceden tanımlanmış bir bölümlemeyle 60.000 eğitim ve 10.000 test görüntüsü (sınıf başına 7.000 görüntü) içerir ve karşılaştırmalı makine öğrenimi algoritmaları için orijinal MNIST veri kümesinin doğrudan kullanılabilen bir alternatifi olarak hizmet eder. Renkli görüntü eşdeğeri için ilgili CIFAR-10 veri kümesine bakın.
Örnekleri önizlemek, veri kümesi istatistiklerini incelemek ve eğitim için klonlamak üzere Ultralytics Platform'da Fashion-MNIST'i keşfet.
Temel Özellikler#
- Fashion-MNIST, 28x28 piksel boyutunda 70.000 gri tonlamalı görüntü içerir ve bu görüntüler 10 sınıfa eşit olarak bölünmüştür.
- Her sınıfta tam olarak 7.000 görüntü bulunur — 6.000'i eğitim, 1.000'i test için — bu nedenle veri kümesi tamamen dengelidir.
- MNIST'in doğrudan kullanılabilen bir alternatifidir: görüntü boyutu, formatı ve bölümleme yapısı aynıdır, ancak el yazısı rakamlar yerine daha zorlayıcı giyim kategorileri içerir.
- Veri kümesi, önceden tanımlanmış bir eğitim/test bölmesiyle sunulur; bu nedenle manuel veya otomatik bölme yapılması gerekmez.
- Fashion-MNIST, görüntü sınıflandırma ve derin öğrenme araştırmalarında kullanılan standart bir karşılaştırma standardıdır.
Veri Kümesi Yapısı#
Fashion-MNIST, resmi ve önceden tanımlanmış bir bölümlemeyle birlikte gelir; bu nedenle otomatik veya manuel bölümleme gerekmez:
- Sınıflar: 10 (tişört/üst, pantolon, kazak, elbise, palto, sandalet, gömlek, spor ayakkabı, çanta, bilekte bot)
- 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 görüntüden oluşan test kümesini doğrulama bölümlemesi olarak kullanır.
Uygulamalar#
Fashion-MNIST, klasik Evrişimli Sinir Ağları (CNNs) ve Destek Vektör Makineleri (SVMs) modellerinden modern derin mimarilere kadar görüntü sınıflandırma modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılır. Küçük gri tonlamalı görüntüleri ve 10 giyim kategorisi, algoritma karşılaştırması ve bilgisayarlı görü deneyleri için hızlı ve tekrarlanabilir bir karşılaştırma standardı olmasını sağlarken, MNIST'teki el yazısı rakamlardan daha zorlayıcıdır.
Kullanım#
28 görüntü boyutunda, Fashion-MNIST üzerinde 100 epoch boyunca bir YOLO modeli eğit. Kullanılabilir bağımsız değişkenlerin tam listesi için Eğitim sayfasına ve görüntü sınıflandırma görev kılavuzuna 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 Açıklamalar#
Fashion-MNIST veri kümesinden örnek görüntüler:
Örnekler, Fashion-MNIST veri kümesindeki giyim kategorilerinin çeşitliliğini göstererek sağlam görüntü sınıflandırma modelleri eğitmek için çeşitli bir veri kümesinin değerini vurgular.
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 oluşturan ve sürdüren Zalando Research'e makine öğrenimi ve bilgisayarlı görü araştırma topluluğuna sunduğu katkılar için teşekkür ederiz. Fashion-MNIST veri kümesi ve oluşturucuları hakkında daha fazla bilgi için Fashion-MNIST GitHub deposunu ziyaret et.
SSS#
Fashion-MNIST veri kümesi, Zalando'nun giyim ürünlerine ait 10 sınıfa bölünmüş 70.000 adet 28x28 gri tonlamalı görüntüden oluşan ve orijinal MNIST veri kümesinin doğrudan kullanılabilen bir alternatifi olarak oluşturulmuş bir karşılaştırma standardıdır. MNIST'in görüntü boyutunu, formatını ve 60.000/10.000 eğitim/test bölümlemesini tamamen korur, ancak el yazısı rakamları tişört/üst, pantolon ve bilekte bot gibi daha zorlayıcı moda kategorileriyle değiştirerek görüntü sınıflandırma modelleri için daha zorlu bir karşılaştırma standardı sunar.
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 # 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'te 10 sınıf bulunur — tişört/üst, pantolon, kazak, elbise, palto, sandalet, gömlek, spor ayakkabı, çanta ve bilekte bot — ve her sınıfta tam olarak 7.000 görüntü olmak üzere toplam 70.000 görüntü vardır. Her görüntü, tek bir Zalando giyim ürününün 28x28 gri tonlamalı resmidir ve sınıflar tamamen dengelidir.
Fashion-MNIST, sınıf başına tam olarak 6.000 eğitim ve 1.000 test görüntüsü olacak şekilde 60.000 eğitim ve 10.000 test görüntüsünden oluşan önceden tanımlanmış bir bölümlemeyle birlikte gelir. Ultralytics'in otomatik olarak böldüğü klasör tabanlı sınıflandırma veri kümelerinin aksine, Fashion-MNIST'in resmi bölümü olduğu gibi kullanılır ve test kümesi, eğitim sırasında varsayılan olarak doğrulama bölümlemesi görevi görür.
Evet. Ultralytics Platform, veri kümelerini yönetmene, görüntü sınıflandırma modellerini eğitmene ve kapsamlı kodlama gerektirmeden dağıtmana olanak tanır. Fashion-MNIST deneylerini bulutta çalıştırmak için kullanışlı bir yoldur; ayrıca sınıflandırma veri kümelerine genel bakışımızda daha fazla seçeneği keşfedebilirsin.