Bộ dữ liệu Fashion-MNIST#

70,000

Fashion-MNIST

ultralytics

publicClassify

Fashion-MNIST is Xiao, Rasul, and Vollgraf's 2017 Zalando Research benchmark of 70,000 balanced 28 x 28 grayscale apparel images. Ten classes cover tops, trousers, pullovers, dresses, coats, sandals, shirts, sneakers, bags, and ankle boots.

10 classes71.7 MBSep 2, 2026

Ankle_bootBagCoatDress+6

image-classificationfashion-mnistclothing+1

Bộ dữ liệu Fashion-MNIST là benchmark phân loại ảnh gồm 70.000 ảnh xám 28x28 về các mặt hàng quần áo của Zalando, được chia đều thành 10 lớp — áo phông/áo ba lỗ, quần dài, áo len, váy, áo khoác, dép xăng-đan, áo sơ mi, giày thể thao, túi xách và bốt cổ thấp. Bộ dữ liệu đi kèm cách chia tập xác định trước gồm 60.000 ảnh huấn luyện và 10.000 ảnh kiểm tra (7.000 ảnh mỗi lớp), đồng thời đóng vai trò thay thế trực tiếp cho bộ dữ liệu MNIST gốc trong việc benchmark các thuật toán machine learning. Để xem bộ dữ liệu tương đương sử dụng ảnh màu, hãy tham khảo CIFAR-10.

Khám phá Fashion-MNIST trên Ultralytics Platform để xem trước ảnh mẫu, kiểm tra thống kê bộ dữ liệu và sao chép bộ dữ liệu để huấn luyện.

Tính năng chính#

• Fashion-MNIST gồm 70.000 ảnh xám có kích thước 28x28 pixel, được chia đều thành 10 lớp.
• Mỗi lớp có chính xác 7.000 ảnh — 6.000 ảnh huấn luyện và 1.000 ảnh kiểm tra — nên bộ dữ liệu được cân bằng hoàn hảo.
• Đây là bộ dữ liệu thay thế trực tiếp cho MNIST: cùng kích thước ảnh, định dạng và cấu trúc phân chia, nhưng có các danh mục quần áo khó hơn thay vì chữ số viết tay.
• Bộ dữ liệu có sẵn phân chia huấn luyện/kiểm tra, nên không cần chia thủ công hay tự động.
• Fashion-MNIST là benchmark tiêu chuẩn cho nghiên cứu phân loại ảnh và deep learning.

Cấu trúc dataset#

Fashion-MNIST đi kèm cách chia tập chính thức được xác định trước, do đó không cần phân vùng tự động hoặc thủ công:

• Các lớp: 10 (áo phông/áo ba lỗ, quần dài, áo len, váy, áo khoác, dép xăng-đan, áo sơ mi, giày thể thao, túi xách, bốt cổ thấp)
• Tổng số ảnh: 70.000 (ảnh xám 28x28)
• Tập huấn luyện: 60.000 ảnh (6.000 ảnh mỗi lớp)
• Tập kiểm tra: 10.000 ảnh (1.000 ảnh mỗi lớp)

Ứng dụng#

Fashion-MNIST được sử dụng rộng rãi để huấn luyện và đánh giá các model phân loại ảnh, từ Mạng nơ-ron tích chập (CNNs) và Máy vector hỗ trợ (SVMs) cổ điển đến các kiến trúc deep learning hiện đại. Ảnh xám nhỏ và 10 danh mục quần áo khiến bộ dữ liệu này trở thành benchmark nhanh, có thể tái lập để so sánh thuật toán và thử nghiệm thị giác máy tính, đồng thời khó hơn MNIST với các chữ số viết tay.

Cách sử dụng#

Huấn luyện model YOLO trên Fashion-MNIST trong 100 epoch với kích thước ảnh 28. Để xem danh sách đầy đủ các tham số hiện có, hãy tham khảo trang Huấn luyện và hướng dẫn tác vụ phân loại ảnh.

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26n-cls.pt")  # tải model đã huấn luyện trước (được khuyến nghị khi huấn luyện)

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

Hình ảnh mẫu và annotation#

Ảnh mẫu từ bộ dữ liệu Fashion-MNIST:

Các mẫu cho thấy sự đa dạng của các danh mục quần áo trong bộ dữ liệu Fashion-MNIST, làm nổi bật giá trị của một bộ dữ liệu đa dạng trong việc huấn luyện các model phân loại ảnh mạnh mẽ.

Trích dẫn và lời cảm ơn#

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

@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 công lao của Zalando Research trong việc tạo và duy trì bộ dữ liệu Fashion-MNIST như một tài nguyên giá trị cho cộng đồng nghiên cứu machine learning và thị giác máy tính. Để biết thêm thông tin về bộ dữ liệu Fashion-MNIST và những người tạo ra bộ dữ liệu, hãy truy cập kho GitHub Fashion-MNIST.

Câu hỏi thường gặp#