Link to this sectionBộ dữ liệu Fashion-MNIST#

Tập dữ liệu Fashion-MNIST là một chuẩn image classification gồm 70.000 ảnh thang độ xám 28x28 của các mặt hàng quần áo từ Zalando, được chia đều thành 10 lớp — áo thun/áo kiểu, quần dài, áo chui đầu, váy liền, áo khoác, dép sandal, áo sơ mi, giày sneaker, túi xách và bốt cổ ngắn. Tập dữ liệu này đi kèm với sự phân chia định sẵn gồm 60.000 ảnh huấn luyện và 10.000 ảnh kiểm tra (7.000 ảnh mỗi lớp) và đóng vai trò thay thế trực tiếp cho tập dữ liệu MNIST gốc để đánh giá các thuật toán machine learning. Để biết phiên bản ảnh màu tương đương, hãy xem tập dữ liệu CIFAR-10 liên quan.

Link to this sectionTính năng chính#

• Fashion-MNIST chứa 70.000 ảnh thang độ xám kích thước 28x28 pixel, được chia đều thành 10 lớp.
• Mỗi lớp chứa chính xác 7.000 ảnh — 6.000 cho huấn luyện và 1.000 cho kiểm tra — vì vậy tập dữ liệu này hoàn toàn cân bằng.
• Đây là bản thay thế trực tiếp cho MNIST: kích thước ảnh, định dạng và cấu trúc phân chia giống hệt nhau, nhưng với các danh mục quần áo khó hơn thay vì các chữ số viết tay.
• Tập dữ liệu đi kèm với phân chia train/test định sẵn, vì vậy không cần thực hiện việc chia dữ liệu thủ công hay tự động.
• Fashion-MNIST là một chuẩn đánh giá tiêu chuẩn cho các nghiên cứu về image classification và deep learning.

Link to this sectionCấu trúc tập dữ liệu#

Fashion-MNIST đi kèm với một cấu trúc phân chia chính thức, được xác định trước, vì vậy không cần phải phân vùng tự động hay thủ công:

• Các lớp: 10 (áo thun/áo kiểu, quần dài, áo chui đầu, váy liền, áo khoác, dép sandal, áo sơ mi, giày sneaker, túi xách, bốt cổ ngắn)
• Tổng số ảnh: 70.000 (28x28 thang độ xám)
• Tập huấn luyện: 60.000 ảnh (6.000 ảnh mỗi lớp)
• Tập kiểm tra: 10.000 hình ảnh (1.000 ảnh mỗi lớp)

Link to this sectionỨng dụng#

Fashion-MNIST được sử dụng rộng rãi để huấn luyện và đánh giá các mô hình image classification, từ các Convolutional Neural Networks (CNN) và Support Vector Machines (SVM) cổ điển đến các cấu trúc học sâu hiện đại. Các ảnh thang độ xám nhỏ và 10 danh mục quần áo làm cho nó trở thành một chuẩn đánh giá nhanh, có thể tái lập để so sánh thuật toán và thử nghiệm computer vision, đồng thời khó hơn so với các chữ số viết tay của MNIST.

Link to this sectionCách sử dụng#

Huấn luyện một mô hình YOLO trên Fashion-MNIST trong 100 epochs với kích thước ảnh là 28. Để xem danh sách đầy đủ các đối số khả dụng, hãy xem trang Training và hướng dẫn tác vụ image classification.

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)

Link to this sectionHình ảnh mẫu và chú thích#

Các ảnh mẫu từ tập dữ liệu Fashion-MNIST:

Các mẫu này cho thấy sự đa dạng của các danh mục quần áo trong tập dữ liệu Fashion-MNIST, nhấn mạnh giá trị của một tập dữ liệu đa dạng để huấn luyện các mô hình image classification mạnh mẽ.

Link to this sectionTrích dẫn và Ghi nhận#

Nếu bạn sử dụng tập dữ liệu Fashion-MNIST trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo sau đây:

@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}
}

Chúng tôi xin ghi nhận Zalando Research vì đã tạo ra và duy trì tập dữ liệu Fashion-MNIST như một tài nguyên quý giá cho cộng đồng nghiên cứu machine learning và computer vision. Để biết thêm thông tin về tập dữ liệu Fashion-MNIST và những người tạo ra nó, hãy truy cập kho lưu trữ Fashion-MNIST trên GitHub.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionBộ dữ liệu Fashion-MNIST là gì và nó khác gì so với MNIST?#

Tập dữ liệu Fashion-MNIST là một chuẩn đánh giá gồm 70.000 ảnh thang độ xám 28x28 của các mặt hàng quần áo từ Zalando trên 10 lớp, được tạo ra như một bản thay thế trực tiếp cho tập dữ liệu MNIST gốc. Nó chia sẻ chính xác kích thước ảnh, định dạng và cấu trúc phân chia 60.000/10.000 huấn luyện/kiểm tra của MNIST, nhưng thay thế các chữ số viết tay bằng các danh mục thời trang khó hơn — như áo thun/áo kiểu, quần dài và bốt cổ ngắn — biến nó thành một chuẩn đánh giá đòi hỏi khắt khe hơn cho các mô hình image classification.

Link to this sectionLàm thế nào để tôi có thể huấn luyện một mô hình Ultralytics YOLO trên tập dữ liệu Fashion-MNIST?#

Để huấn luyện một mô hình Ultralytics YOLO trên Fashion-MNIST, hãy sử dụng các đoạn mã dưới đây. Tập dữ liệu sẽ tự động tải xuống trong lần sử dụng đầu tiên. Để xem danh sách đầy đủ các đối số, hãy xem trang Training mô hình.

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)

Link to this sectionTập dữ liệu Fashion-MNIST có bao nhiêu lớp?#

Fashion-MNIST có 10 lớp — áo thun/áo kiểu, quần dài, áo chui đầu, váy liền, áo khoác, dép sandal, áo sơ mi, giày sneaker, túi xách và bốt cổ ngắn — với chính xác 7.000 ảnh mỗi lớp, tổng cộng là 70.000 ảnh. Mỗi ảnh là một tấm hình thang độ xám 28x28 của một mặt hàng quần áo Zalando duy nhất, và các lớp được cân bằng hoàn hảo.

Link to this sectionTập dữ liệu Fashion-MNIST được chia thành các tập huấn luyện và tập kiểm tra như thế nào?#

Fashion-MNIST đi kèm với sự phân chia định sẵn gồm 60.000 ảnh huấn luyện và 10.000 ảnh kiểm tra, với chính xác 6.000 ảnh huấn luyện và 1.000 ảnh kiểm tra cho mỗi lớp. Khác với các tập dữ liệu phân loại dựa trên thư mục mà Ultralytics tự động chia, cấu trúc phân vùng chính thức của Fashion-MNIST được sử dụng nguyên trạng, và tập kiểm tra đóng vai trò là tập kiểm chứng trong quá trình huấn luyện theo mặc định.

Link to this sectionTôi có thể sử dụng Nền tảng Ultralytics để huấn luyện các mô hình trên tập dữ liệu Fashion-MNIST không?#

Có. Ultralytics Platform cho phép bạn quản lý các tập dữ liệu, huấn luyện các mô hình image classification và triển khai chúng mà không cần lập trình phức tạp. Đây là cách thuận tiện để chạy các thử nghiệm Fashion-MNIST trên đám mây, và bạn có thể khám phá thêm các tùy chọn trong tổng quan về tập dữ liệu phân loại của chúng tôi.