Bộ dữ liệu thời trang-MNIST

Bộ dữ liệu Fashion-MNIST là cơ sở dữ liệu về hình ảnh bài viết của Zalando—bao gồm một bộ dữ liệu đào tạo gồm 60.000 ví dụ và một bộ dữ liệu thử nghiệm gồm 10.000 ví dụ. Mỗi ví dụ là một hình ảnh thang độ xám 28x28, được liên kết với một nhãn từ 10 lớp. Fashion-MNIST được thiết kế để thay thế trực tiếp cho bộ dữ liệu MNIST gốc để đánh giá chuẩn các thuật toán học máy .

Xem: Làm thế nào để làm Phân loại hình ảnh trên Bộ dữ liệu MNIST về thời trang sử dụng Ultralytics YOLO11

Các tính năng chính

Fashion-MNIST chứa 60.000 hình ảnh đào tạo và 10.000 hình ảnh thử nghiệm các hình ảnh bài viết của Zalando.
Tập dữ liệu bao gồm các hình ảnh thang độ xám có kích thước 28x28 pixel.
Mỗi pixel có một giá trị pixel duy nhất được liên kết với nó, cho biết độ sáng hoặc tối của pixel đó, với các số cao hơn có nghĩa là tối hơn. Giá trị pixel này là một số nguyên từ 0 đến 255.
Fashion-MNIST được sử dụng rộng rãi để đào tạo và thử nghiệm trong lĩnh vực học máy, đặc biệt là cho các tác vụ phân loại hình ảnh.

Cấu trúc tập dữ liệu

Bộ dữ liệu Fashion-MNIST được chia thành hai tập hợp con:

Bộ đào tạo: Tập hợp con này chứa 60.000 hình ảnh được sử dụng để đào tạo các mô hình học máy.
Bộ thử nghiệm: Tập hợp con này bao gồm 10.000 hình ảnh được sử dụng để kiểm tra và đo điểm chuẩn cho các mô hình được đào tạo.

Nhãn

Mỗi ví dụ đào tạo và kiểm tra được gán cho một trong các nhãn sau:

Áo phông/áo trên
Quần tây
Áo chui đầu
Ăn mặc
Áo
Dép
Áo sơ mi
Sneaker
Túi
Khởi động mắt cá chân

Ứng dụng

Bộ dữ liệu Fashion-MNIST được sử dụng rộng rãi để đào tạo và đánh giá các mô hình học sâu trong các tác vụ phân loại hình ảnh, chẳng hạn như Mạng nơ-ron tích chập (CNN), Máy vectơ hỗ trợ (SVM) và nhiều thuật toán học máy khác. Định dạng đơn giản và có cấu trúc tốt của bộ dữ liệu khiến nó trở thành nguồn tài nguyên thiết yếu cho các nhà nghiên cứu và học viên trong lĩnh vực học máy và thị giác máy tính.

Sử dụng

Để đào tạo mô hình CNN trên tập dữ liệu Fashion-MNIST cho 100 kỷ nguyên với kích thước hình ảnh là 28x28, bạn có thể sử dụng các đoạn mã sau. Để biết danh sách đầy đủ các đối số khả dụng, hãy tham khảo trang Đào tạo mô hình.

Ví dụ về tàu hỏa

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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 classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28

Hình ảnh mẫu và chú thích

Bộ dữ liệu Fashion-MNIST chứa hình ảnh thang độ xám của hình ảnh bài viết của Zalando, cung cấp một bộ dữ liệu có cấu trúc tốt cho các nhiệm vụ phân loại hình ảnh. Dưới đây là một số ví dụ về hình ảnh từ tập dữ liệu:

Hình ảnh mẫu tập dữ liệu

Ví dụ này cho thấy sự đa dạng và phức tạp của hình ảnh trong bộ dữ liệu Fashion-MNIST, làm nổi bật tầm quan trọng của bộ dữ liệu đa dạng để đào tạo các mô hình phân loại hình ảnh mạnh mẽ.

Lời cảm ơn

Nếu bạn sử dụng tập dữ liệu Fashion-MNIST trong công việc nghiên cứu hoặc phát triển của mình, vui lòng xác nhận tập dữ liệu bằng cách liên kết đến kho lưu trữ GitHub. Bộ dữ liệu này được cung cấp bởi Zalando Research.

FAQ

Bộ dữ liệu Fashion-MNIST là gì và nó khác với MNIST như thế nào?

Bộ dữ liệu Fashion-MNIST là một tập hợp 70.000 hình ảnh thang độ xám của các hình ảnh bài viết của Zalando, nhằm thay thế hiện đại cho tập dữ liệu MNIST gốc. Nó phục vụ như một điểm chuẩn cho các mô hình học máy trong bối cảnh các nhiệm vụ phân loại hình ảnh. Không giống như MNIST, chứa các chữ số viết tay, Fashion-MNIST bao gồm các hình ảnh 28x28 pixel được phân loại thành 10 lớp liên quan đến thời trang, chẳng hạn như áo phông / áo trên, quần tây và bốt mắt cá chân.

Làm thế nào tôi có thể đào tạo một YOLO mô hình trên bộ dữ liệu Thời trang-MNIST?

Để đào tạo một Ultralytics YOLO mô hình trên tập dữ liệu Thời trang-MNIST, bạn có thể sử dụng cả hai Python và CLI Lệnh. Dưới đây là một ví dụ nhanh để giúp bạn bắt đầu:

Ví dụ về tàu hỏa

PythonCLI

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo11n-cls.pt")

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

yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28

Để biết thêm thông số đào tạo chi tiết, hãy tham khảo trang Đào tạo.

Tại sao tôi nên sử dụng bộ dữ liệu Fashion-MNIST để đo điểm chuẩn cho các mô hình máy học của mình?

Bộ dữ liệu Fashion-MNIST được công nhận rộng rãi trong cộng đồng học sâu như một giải pháp thay thế mạnh mẽ cho MNIST. Nó cung cấp một bộ hình ảnh phức tạp và đa dạng hơn, khiến nó trở thành lựa chọn tuyệt vời để đánh giá chuẩn các mô hình phân loại hình ảnh. Cấu trúc của bộ dữ liệu, bao gồm 60.000 hình ảnh đào tạo và 10.000 hình ảnh thử nghiệm, mỗi hình ảnh được gắn nhãn với một trong 10 lớp, khiến nó trở nên lý tưởng để đánh giá hiệu suất của các thuật toán học máy khác nhau trong bối cảnh đầy thách thức hơn.

Tôi có thể sử dụng không Ultralytics YOLO cho các nhiệm vụ phân loại hình ảnh như Fashion-MNIST?

Đúng, Ultralytics YOLO mô hình có thể được sử dụng cho các tác vụ phân loại hình ảnh, bao gồm các tác vụ liên quan đến tập dữ liệu Fashion-MNIST. Ví dụ, YOLO11 hỗ trợ nhiều tác vụ thị giác khác nhau như phát hiện, phân đoạn và phân loại. Để bắt đầu với các tác vụ phân loại hình ảnh, hãy tham khảo trang Phân loại .

Các tính năng và cấu trúc chính của bộ dữ liệu Thời trang-MNIST là gì?

Bộ dữ liệu Fashion-MNIST được chia thành hai tập hợp con chính: 60.000 hình ảnh đào tạo và 10.000 hình ảnh thử nghiệm. Mỗi hình ảnh là một hình ảnh thang độ xám 28x28 pixel đại diện cho một trong 10 lớp liên quan đến thời trang. Sự đơn giản và định dạng có cấu trúc tốt làm cho nó lý tưởng để đào tạo và đánh giá các mô hình trong các tác vụ học máy và thị giác máy tính . Để biết thêm chi tiết về cấu trúc tập dữ liệu, hãy xem phần Cấu trúc tập dữ liệu .

Làm thế nào tôi có thể thừa nhận việc sử dụng bộ dữ liệu Thời trang-MNIST trong nghiên cứu của mình?

Nếu bạn sử dụng bộ dữ liệu Fashion-MNIST trong các dự án nghiên cứu hoặc phát triển của mình, điều quan trọng là phải thừa nhận nó bằng cách liên kết với kho lưu trữ GitHub. Điều này giúp phân bổ dữ liệu cho Zalando Research, người đã cung cấp bộ dữ liệu để sử dụng công khai.

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 1 tháng