Fashion-MNIST 数据集

Fashion-MNIST 数据集是一个包含 Zalando 商品图像的数据库，由 60,000 个训练样本和 10,000 个测试样本组成。每个样本都是一张 28x28 的灰度图像，对应 10 个类别中的一个标签。Fashion-MNIST 旨在作为原始 MNIST 数据集的直接替代品，用于基准测试 机器学习 算法。

主要特性

• Fashion-MNIST 包含 60,000 张用于训练的 Zalando 商品图像和 10,000 张用于测试的图像。
• 该数据集由大小为 28x28 像素的灰度图像组成。
• 每个像素都有一个关联的像素值，用于表示该像素的明暗程度，数字越大表示越暗。该像素值是一个 0 到 255 之间的整数。
• Fashion-MNIST 被广泛用于机器学习领域的训练和测试，特别是图像分类任务。

数据集结构

Fashion-MNIST 数据集分为两个子集：

1. 训练集：该子集包含 60,000 张用于训练机器学习模型的图像。
2. 测试集：此子集包含 10,000 张图像，用于测试和评估已训练的模型。

标签

每个训练和测试样本都被分配到以下标签之一：

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

应用场景

Fashion-MNIST 数据集被广泛用于训练和评估图像分类任务中的深度学习模型，例如 卷积神经网络 (CNNs)、支持向量机 (SVMs) 以及其他各种机器学习算法。该数据集简单且结构良好的格式使其成为机器学习和计算机视觉领域研究人员和从业者的重要资源。

使用方法

若要使用 28x28 的图像尺寸在 Fashion-MNIST 数据集上训练 100 个 epoch 的 CNN 模型，你可以使用以下代码片段。有关可用参数的完整列表，请参阅模型 训练 页面。

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)

样本图像和标注

Fashion-MNIST 数据集包含 Zalando 商品的灰度图像，为图像分类任务提供了一个结构良好的数据集。以下是数据集中图像的一些示例：

该示例展示了 Fashion-MNIST 数据集中图像的多样性和复杂性，凸显了多样化数据集对于训练稳健的图像分类模型的重要性。

致谢

如果你在研究或开发工作中使用 Fashion-MNIST 数据集，请通过链接到 GitHub 仓库 来致谢该数据集。该数据集由 Zalando Research 提供。

常见问题 (FAQ)

什么是 Fashion-MNIST 数据集？它与 MNIST 有什么不同？

Fashion-MNIST 数据集是一个包含 70,000 张 Zalando 商品灰度图像的集合，旨在作为原始 MNIST 数据集的现代替代品。它用作图像分类任务中机器学习模型的基准。与包含手写数字的 MNIST 不同，Fashion-MNIST 由 28x28 像素的图像组成，分为 10 个时尚相关类别，如 T 恤/上衣、裤子和踝靴。

我该如何在 Fashion-MNIST 数据集上训练 YOLO 模型？

要训练 Ultralytics YOLO 模型，你可以使用 Python 和 CLI 命令。这里有一个让你快速上手的示例：

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n-cls.pt")

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

有关更详细的训练参数，请参阅 训练页面。

为什么我应该使用 Fashion-MNIST 数据集来对我的机器学习模型进行基准测试？

Fashion-MNIST 数据集在 深度学习 社区被公认为 MNIST 的稳健替代品。它提供了一组更复杂和更多样的图像，使其成为基准测试图像分类模型的绝佳选择。该数据集包含 60,000 张训练图像和 10,000 张测试图像，每张图像都标记为 10 个类别之一，这使得它非常适合在更具挑战性的环境下评估不同机器学习算法的性能。

我可以使用 Ultralytics YOLO 进行像 Fashion-MNIST 这样的图像分类任务吗？

是的，Ultralytics YOLO 模型可用于图像分类任务，包括那些涉及 Fashion-MNIST 数据集的任务。例如，YOLO26 支持各种视觉任务，如检测、分割和分类。要开始图像分类任务，请参阅 分类页面。

Fashion-MNIST 数据集的主要特征和结构是什么？

Fashion-MNIST 数据集分为两个主要子集：60,000 张训练图像和 10,000 张测试图像。每张图像都是一张 28x28 像素的灰度图，代表 10 个时尚相关类别之一。其简单且结构良好的格式使其非常适合在机器学习和 计算机视觉 任务中训练和评估模型。有关数据集结构的更多详细信息，请参阅 数据集结构部分。

我该如何在研究中致谢 Fashion-MNIST 数据集的使用？

如果你在研究或开发项目中使用 Fashion-MNIST 数据集，通过链接到 GitHub 仓库 来进行致谢是很重要的。这有助于将数据归功于 Zalando Research，他们使该数据集可供公众使用。