Moda-MNIST Veri Kümesi

Fashion-MNIST veri kümesi, 60.000 örnekten oluşan bir eğitim kümesi ve 10.000 örnekten oluşan bir test kümesinden oluşan Zalando'nun makale görüntülerinden oluşan bir veritabanıdır. Her örnek, 10 sınıftan bir etiketle ilişkilendirilmiş 28x28 gri tonlamalı bir görüntüdür. Fashion-MNIST'in makine öğrenimi algoritmalarını kıyaslamak için orijinal MNIST veri kümesinin yerine doğrudan geçmesi amaçlanmıştır.

İzle: Moda MNIST Veri Kümesi üzerinde Görüntü Sınıflandırması nasıl yapılır? Ultralytics YOLOv8

Temel Özellikler

• Fashion-MNIST, Zalando'nun makale görüntülerinden oluşan 60.000 eğitim görüntüsü ve 10.000 test görüntüsü içermektedir.
• Veri kümesi 28x28 piksel boyutunda gri tonlamalı görüntülerden oluşmaktadır.
• Her pikselin kendisiyle ilişkili tek bir piksel değeri vardır ve bu değer o pikselin açıklığını veya koyuluğunu gösterir; daha yüksek sayılar daha koyu anlamına gelir. Bu piksel değeri 0 ile 255 arasında bir tamsayıdır.
• Fashion-MNIST, özellikle görüntü sınıflandırma görevleri için makine öğrenimi alanında eğitim ve test için yaygın olarak kullanılmaktadır.

Veri Kümesi Yapısı

Fashion-MNIST veri kümesi iki alt kümeye ayrılmıştır:

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

Etiketler

Her bir eğitim ve test örneği aşağıdaki etiketlerden birine atanır:

1. Tişört/üst
2. Pantolon
3. Kazak
4. Elbise
5. Palto
6. Sandalet
7. Gömlek
8. Spor Ayakkabı
9. Çanta
10. Ayak bileği botu

Uygulamalar

Fashion-MNIST veri seti, görüntü sınıflandırma görevlerinde Evrişimli Sinir Ağları (CNN'ler), Destek Vektör Makineleri (SVM'ler) ve diğer çeşitli makine öğrenimi algoritmaları gibi derin öğrenme modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılmaktadır. Veri setinin basit ve iyi yapılandırılmış formatı, onu makine öğrenimi ve bilgisayarla görme alanındaki araştırmacılar ve uygulayıcılar için önemli bir kaynak haline getirmektedir.

Kullanım

Bir CNN modelini Fashion-MNIST veri kümesinde 28x28 görüntü boyutuyla 100 epok için eğitmek için aşağıdaki kod parçacıklarını kullanabilirsiniz. Kullanılabilir bağımsız değişkenlerin kapsamlı bir listesi için Model Eğitimi sayfasına bakın.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

# Start training from a pretrained *.pt model
yolo detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

Örnek Görüntüler ve Açıklamalar

Fashion-MNIST veri kümesi, Zalando'nun makale görüntülerinin gri tonlamalı görüntülerini içerir ve görüntü sınıflandırma görevleri için iyi yapılandırılmış bir veri kümesi sağlar. İşte veri kümesinden bazı görüntü örnekleri:

Örnek, Fashion-MNIST veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını göstermekte ve sağlam görüntü sınıflandırma modellerini eğitmek için çeşitli bir veri kümesinin önemini vurgulamaktadır.

Teşekkür

Fashion-MNIST veri setini araştırma veya geliştirme çalışmalarınızda kullanırsanız, lütfen GitHub deposuna bağlantı vererek veri setini onaylayın. Bu veri seti Zalando Research tarafından kullanıma sunulmuştur.

SSS

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

Fashion-MNIST veri kümesi, orijinal MNIST veri kümesi için modern bir yedek olarak tasarlanan, Zalando'nun makale görüntülerinin 70.000 gri tonlamalı görüntüsünden oluşan bir koleksiyondur. Görüntü sınıflandırma görevleri bağlamında makine öğrenimi modelleri için bir ölçüt olarak hizmet eder. El yazısı rakamlar içeren MNIST'ten farklı olarak Fashion-MNIST, tişört/üst, pantolon ve ayak bileği botu gibi modayla ilgili 10 sınıfa ayrılmış 28x28 piksel görüntülerden oluşur.

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

Fashion-MNIST veri kümesi üzerinde bir Ultralytics YOLO modelini eğitmek için hem Python hem de CLI komutlarını kullanabilirsiniz. İşte başlamanız için hızlı bir örnek:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n-cls.pt")

# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

yolo detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

Daha ayrıntılı eğitim parametreleri için Eğitim sayfasına bakın.

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

Fashion-MNIST veri seti, derin öğrenme topluluğunda MNIST'e sağlam bir alternatif olarak kabul edilmektedir. Daha karmaşık ve çeşitli görüntüler sunması, görüntü sınıflandırma modellerini kıyaslamak için mükemmel bir seçim olmasını sağlamaktadır. Veri setinin her biri 10 sınıftan biriyle etiketlenmiş 60.000 eğitim görüntüsü ve 10.000 test görüntüsünden oluşan yapısı, farklı makine öğrenimi algoritmalarının performansını daha zorlu bir bağlamda değerlendirmek için idealdir.

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

Evet, Ultralytics YOLO modelleri, Fashion-MNIST veri kümesini içerenler de dahil olmak üzere görüntü sınıflandırma görevleri için kullanılabilir. YOLOv8 örneğin, algılama, segmentasyon ve sınıflandırma gibi çeşitli görme görevlerini destekler. Görüntü sınıflandırma görevlerine başlamak için Sınıflandırma sayfasına bakın.

Fashion-MNIST veri setinin temel özellikleri ve yapısı nelerdir?

Fashion-MNIST veri kümesi iki ana alt kümeye ayrılmıştır: 60.000 eğitim görüntüsü ve 10.000 test görüntüsü. Her görüntü, modayla ilgili 10 sınıftan birini temsil eden 28x28 piksel gri tonlamalı bir resimdir. Basitliği ve iyi yapılandırılmış formatı, makine öğrenimi ve bilgisayarla görme görevlerinde modelleri eğitmek ve değerlendirmek için idealdir. Veri kümesi yapısı hakkında daha fazla ayrıntı için Veri Kümesi Yapısı bölümüne bakın.

Araştırmamda Fashion-MNIST veri setinin kullanımını nasıl kabul edebilirim?

Araştırma veya geliştirme projelerinizde Fashion-MNIST veri setini kullanıyorsanız, GitHub deposuna bağlantı vererek bunu belirtmeniz önemlidir. Bu, verilerin, veri setini genel kullanıma açan Zalando Research'e atfedilmesine yardımcı olur.

Yorumlar