Ultralytics YOLO27：
MIT

Fashion-MNIST 数据集#

Fashion-MNIST 数据集是一个图像分类基准，包含 70,000 张 28x28 的 Zalando 服装灰度图像，均匀分为 10 个类别——T 恤/上衣、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和短靴。该数据集提供预定义的数据划分，包括 60,000 张训练图像和 10,000 张测试图像（每个类别 7,000 张），可作为原始 MNIST 数据集的直接替代品，用于基准测试机器学习算法。对于彩色图像版本，请参阅相关的 CIFAR-10 数据集。

访问 Ultralytics Platform 上的 Fashion-MNIST，预览样本、检查数据集统计信息，并克隆数据集用于训练。



Watch: How to do Image Classification on Fashion-MNIST using Ultralytics YOLO

主要特性#

  • Fashion-MNIST 包含 70,000 张 28x28 像素的灰度图像，均匀分为 10 个类别。
  • 每个类别恰好包含 7,000 张图像——其中 6,000 张用于训练，1,000 张用于测试——因此该数据集完全均衡。
  • 它是 MNIST 的直接替代品：图像大小、格式和划分结构完全相同，但使用更具挑战性的服装类别替代了手写数字。
  • 该数据集提供预定义的训练集/测试集划分，因此无需手动或自动进行划分。
  • Fashion-MNIST 是图像分类和深度学习研究中的标准基准。

数据集结构#

Fashion-MNIST 提供官方的预定义划分，因此无需自动或手动分区：

  • 类别：10（T 恤/上衣、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包、短靴）
  • 图像总数：70,000（28x28 灰度图像）
  • 训练集：60,000 张图像（每个类别 6,000 张）
  • 测试集：10,000 张图像（每类 1,000 张）
验证集划分

Fashion-MNIST 没有单独的验证文件夹，因此 Ultralytics 默认在训练期间使用包含 10,000 张图像的测试集作为验证集划分。

应用#

Fashion-MNIST 广泛用于训练和评估图像分类模型，涵盖经典的卷积神经网络（CNNs）和支持向量机（SVMs）到现代深度架构。其小尺寸灰度图像和 10 个服装类别使其成为用于算法比较和计算机视觉实验的快速、可复现基准，同时比 MNIST 的手写数字更具挑战性。

使用方法#

在 Fashion-MNIST 上训练 YOLO 模型 100 个训练周期，图像尺寸设为 28。有关可用参数的完整列表，请参阅训练页面和图像分类任务指南。

训练示例
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)

示例图像和标注#

Fashion-MNIST 数据集中的图像样本：

Fashion-MNIST 服装分类数据集样本

这些样本展示了 Fashion-MNIST 数据集中服装类别的多样性，凸显了多样化数据集对于训练稳健图像分类模型的价值。

引用和致谢#

如果你在研究或开发工作中使用 Fashion-MNIST 数据集，请引用以下论文：

引用
@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}
}

我们谨此感谢 Zalando Research 创建并维护 Fashion-MNIST 数据集，为机器学习和计算机视觉研究社区提供了宝贵资源。有关 Fashion-MNIST 数据集及其创建者的更多信息，请访问 Fashion-MNIST GitHub 仓库。

常见问题#

  • Fashion-MNIST 数据集是一个基准，包含 70,000 张 28x28 的 Zalando 服装灰度图像，分为 10 个类别；它旨在作为原始 MNIST 数据集的直接替代品。它与 MNIST 具有完全相同的图像大小、格式以及 60,000/10,000 的训练集/测试集划分，但将手写数字替换为更具挑战性的时尚类别——例如 T 恤/上衣、裤子和短靴——因此成为对图像分类模型要求更高的基准。

  • 要在 Fashion-MNIST 上训练 Ultralytics YOLO 模型，请使用下面的代码片段。数据集会在首次使用时自动下载。有关参数的完整列表，请参阅模型的训练页面。

    训练示例
    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)

  • Fashion-MNIST 有 10 个类别——T 恤/上衣、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和短靴——每个类别恰好包含 7,000 张图像，总计 70,000 张图像。每张图像都是一件 Zalando 服装的 28x28 灰度图，且各类别完全均衡。

  • Fashion-MNIST 提供预定义的划分，包括 60,000 张训练图像和 10,000 张测试图像，每个类别恰好包含 6,000 张训练图像和 1,000 张测试图像。不同于由 Ultralytics 自动划分的基于文件夹的分类数据集，Fashion-MNIST 的官方分区会原样使用，并且默认在训练期间将测试集作为验证集划分。

  • 可以。Ultralytics Platform 可让你管理数据集、训练图像分类模型并进行部署，而无需大量编码工作。它是在云端运行 Fashion-MNIST 实验的便捷方式，你还可以在我们的分类数据集概览中探索更多选项。

贡献者
GLglenn-jocher15RAraimbekovm3RIRizwanMunawar3MAMatthewNoyce1JKjk4e1

评论