Tập 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

Tập dữ liệu Fashion-MNIST là một benchmark phân loại ảnh gồm 70.000 ảnh thang độ xám kích thước 28x28 về các sản phẩm quần áo của Zalando, được chia đều thành 10 lớp — áo thun/áo kiểu, quần dài, áo len chui đầu, váy, áo khoác, dép sandal, áo sơ mi, giày sneaker, túi xách và bốt cổ ngắn. Tập dữ liệu đi kèm với một phân chia được định nghĩa sẵn gồm 60.000 ảnh huấn luyện và 10.000 ảnh kiểm thử (7.000 ảnh mỗi lớp), đồng thời đóng vai trò là bản thay thế trực tiếp cho tập dữ liệu MNIST gốc để benchmark các thuật toán machine learning. Để sử dụng tập dữ liệu tương đương với ảnh màu, hãy xem tập dữ liệu CIFAR-10 liên quan.

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

Tính năng chính#

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

Cấu trúc bộ dữ liệu#

Fashion-MNIST đi kèm với phân chia chính thức được định nghĩa sẵn, vì vậy không cần phân vùng tự động hay thủ công:

• Các lớp: 10 (áo thun/áo kiểu, quần dài, áo len chui đầu, váy, áo khoác, dép sandal, áo sơ mi, giày sneaker, túi xách, bốt cổ ngắn)
• Tổng số ảnh: 70.000 (thang độ xám 28x28)
• Tập huấn luyện: 60.000 ảnh (6.000 ảnh mỗi lớp)
• Tập kiểm tra: 10.000 ảnh (1.000 ảnh cho 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. Các ảnh thang độ xám nhỏ và 10 lớp quần áo của tập dữ liệu này tạo thành một benchmark nhanh, có thể tái lập để so sánh thuật toán và thử nghiệm thị giác máy tính, đồng thời khó hơn các chữ số viết tay của MNIST.

Cách sử dụng#

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

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)

Hình ảnh mẫu và annotation#

Ảnh mẫu từ tập dữ liệu Fashion-MNIST:

Các mẫu cho thấy sự đa dạng của các lớp quần áo trong tập dữ liệu Fashion-MNIST, nhấn mạnh giá trị của một tập dữ liệu đa dạng trong việc huấn luyện các model phân loại ảnh mạnh mẽ.

Trích dẫn và ghi nhận đóng góp#

Nếu sử dụng tập dữ liệu Fashion-MNIST trong công trình nghiên cứu hoặc 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 Zalando Research đã tạo và duy trì tập dữ liệu Fashion-MNIST như một tài nguyên có giá trị cho cộng đồng nghiên cứu machine learning và thị giác máy tính. Để biết thêm thông tin về tập dữ liệu Fashion-MNIST và các tác giả, hãy truy cập repository Fashion-MNIST trên GitHub.

FAQ#