Thời trang- MNIST Bộ dữ liệu
Bộ dữ liệu Fashion- MNIST là cơ sở dữ liệu hình ảnh bài viết của Zalando—bao gồm một tập huấn luyện gồm 60.000 ví dụ và một tập kiểm tra gồm 10.000 ví dụ. Mỗi ví dụ là một ảnh xám 28x28, được liên kết với một nhãn từ 10 lớp. MNIST được thiết kế để phục vụ như một sự thay thế trực tiếp cho bản gốc MNIST bộ dữ liệu để đánh giá chuẩn các thuật toán học máy .
Xem: Cách thực hiện Phân loại hình ảnh về thời trang MNIST Bộ dữ liệu sử dụng Ultralytics YOLO11
Các tính năng chính
- Thời trang- MNIST chứa 60.000 hình ảnh đào tạo và 10.000 hình ảnh thử nghiệm của hình ảnh bài viết của Zalando.
- Bộ dữ liệu bao gồm các hình ảnh thang độ xám có kích thước 28x28 pixel.
- Mỗi pixel có một giá trị pixel duy nhất liên kết với nó, cho biết độ sáng hoặc tối của pixel đó, với số càng cao nghĩa là càng tối. Giá trị pixel này là một số nguyên từ 0 đến 255.
- Thời trang- MNIST được sử dụng rộng rãi để đào tạo và thử nghiệm trong lĩnh vực học máy, đặc biệt là đối với các nhiệm vụ phân loại hình ảnh.
Cấu trúc bộ dữ liệu
Thời trang- MNIST tập dữ liệu được chia thành hai tập con:
- Tập huấn luyện: Tập con này chứa 60.000 hình ảnh được sử dụng để huấn luyện các mô hình học máy.
- Tập kiểm thử: Tập hợp con này bao gồm 10.000 hình ảnh được sử dụng để kiểm thử và đánh giá các mô hình đã huấn luyện.
Nhãn
Mỗi ví dụ huấn luyện và kiểm tra được gán cho một trong các nhãn sau:
0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot
Các ứng dụng
Thời trang- MNIST Bộ dữ liệu 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 Vector 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 một nguồn tài nguyên thiết yếu cho các nhà nghiên cứu và chuyên gia trong lĩnh vực học máy và thị giác máy tính.
Cách sử dụng
Để đào tạo một người mẫu CNN về Thời trang- MNIST Đối với tập dữ liệu 100 kỷ nguyên với kích thước ảnh 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 huấn luyện
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
Ảnh và Chú thích mẫu
Thời trang- MNIST Bộ dữ liệu chứa ảnh xám của các bài viết trên Zalando, cung cấp một bộ dữ liệu có cấu trúc tốt cho các tác vụ phân loại hình ảnh. Dưới đây là một số ví dụ về hình ảnh từ bộ dữ liệu:
Ví dụ này cho thấy sự đa dạng và phức tạp của hình ảnh trong Thời trang- MNIST tập dữ liệu, làm nổi bật tầm quan trọng của tập dữ liệu đa dạng để đào tạo các mô hình phân loại hình ảnh mạnh mẽ.
Lời cảm ơn
Nếu bạn sử dụng Thời trang- MNIST bộ dữ liệu trong công trình nghiên cứu hoặc phát triển của bạn, vui lòng ghi nhận bộ dữ liệu bằng cách liên kết đến kho lưu trữ GitHub . Bộ dữ liệu này được cung cấp bởi Zalando Research.
Câu hỏi thường gặp
Thời trang là gì? MNIST tập dữ liệu và nó khác với MNIST ?
Bộ dữ liệu Fashion- MNIST là tập hợp 70.000 hình ảnh thang độ xám của các hình ảnh bài viết của Zalando, được dự định là sự thay thế hiện đại cho bản gốc MNIST tập dữ liệu. Nó đóng vai trò là chuẩn mực cho các mô hình học máy trong bối cảnh nhiệm vụ phân loại hình ảnh. Không giống như MNIST , chứa các chữ số viết tay, Thời trang- MNIST bao gồm các hình ảnh có kích thước 28x28 pixel được phân loại thành 10 loại liên quan đến thời trang, chẳng hạn như áo phông/áo ba lỗ, quần dài và bốt cổ ngắn.
Làm thế nào tôi có thể đào tạo một YOLO người mẫu trên tạp chí Thời trang MNIST tập dữ liệu?
Để đào tạo một Ultralytics YOLO người mẫu trên tạp chí Thời trang MNIST tập dữ liệu, bạn có thể sử dụng cả hai Python Và CLI lệnh. Sau đây là một ví dụ nhanh để bạn bắt đầu:
Ví dụ huấn luyện
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 tin chi tiết về các tham số huấn luyện, hãy tham khảo trang Huấn luyện.
Tại sao tôi nên sử dụng Thời trang- MNIST bộ dữ liệu để đánh giá chuẩn các mô hình học máy của tôi?
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 ảnh phức tạp và đa dạng hơn, khiến nó trở thành một lựa chọn tuyệt vời để đánh giá chuẩn các mô hình phân loại ảnh. Cấu trúc của tập dữ liệu, bao gồm 60.000 ảnh huấn luyện và 10.000 ảnh thử nghiệm, mỗi 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 khó khăn hơn.
Tôi có thể sử dụng Ultralytics YOLO cho các nhiệm vụ phân loại hình ảnh như Thời trang- MNIST ?
Đúng, Ultralytics YOLO các mô hình có thể được sử dụng cho các nhiệm vụ phân loại hình ảnh, bao gồm cả những nhiệm vụ liên quan đến Thời trang- MNIST tập dữ liệu. YOLO11 Ví dụ, 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 .
Những đặc điểm chính và cấu trúc của Thời trang là gì? MNIST tập dữ liệu?
Thời trang- MNIST Tập dữ liệu được chia thành hai tập con chính: 60.000 ảnh huấn luyện và 10.000 ảnh thử nghiệm. Mỗi ảnh là một ảnh thang độ xám 28x28 pixel đại diện cho một trong 10 lớp liên quan đến thời trang. Định dạng đơn giản và có cấu trúc tốt giúp tập dữ liệu này lý tưởng cho việc huấn luyện 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, vui lòng xem phần Cấu trúc Tập dữ liệu .
Làm thế nào tôi có thể xác nhận việc sử dụng Thời trang- MNIST tập dữ liệu trong nghiên cứu của tôi?
Nếu bạn sử dụng Thời trang- MNIST Trong các dự án nghiên cứu hoặc phát triển của bạn, điều quan trọng là phải ghi nhận dữ liệu bằng cách liên kết đến kho lưu trữ GitHub . Điều này giúp ghi nhận dữ liệu cho Zalando Research, đơn vị đã cung cấp dữ liệu cho mục đích sử dụng công khai.
