跳转至内容

Fashion-MNIST 数据集

Fashion-MNIST 数据集是 Zalando 的服装图像数据库,包含一个由 60,000 个示例组成的训练集和一个由 10,000 个示例组成的测试集。每个示例都是一个 28x28 像素的灰度图像,并与 10 个类别中的一个标签相关联。Fashion-MNIST 旨在直接替代原始 MNIST 数据集,用于对机器学习算法进行基准测试。



观看: 如何做 图像分类 在 Fashion MNIST 数据集上使用 Ultralytics YOLO11

主要功能

  • Fashion-MNIST 包含 60,000 张 Zalando 服装图像的训练图像和 10,000 张测试图像。
  • 该数据集包含大小为 28x28 像素的灰度图像。
  • 每个像素都有一个与其关联的像素值,表示该像素的亮度或暗度,数字越大表示越暗。此像素值是介于 0 到 255 之间的整数。
  • Fashion-MNIST 广泛用于机器学习领域的训练和测试,尤其是图像分类任务。

数据集结构

Fashion-MNIST 数据集分为两个子集:

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

标签

每个训练和测试示例都分配给以下标签之一:

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

Fashion-MNIST 数据集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 (CNN)、支持向量机 (SVM) 和各种其他机器学习算法。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的研究人员和从业人员的重要资源。

用法

要在 Fashion-MNIST 数据集上训练 CNN 模型 100 个epochs,图像大小为 28x28,您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。

训练示例

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

Sample Images 和注释

Fashion-MNIST 数据集包含 Zalando 商品图片的灰度图像,为图像分类任务提供了一个结构良好的数据集。以下是该数据集中的一些图像示例:

数据集样本图像

该示例展示了 Fashion-MNIST 数据集中图像的多样性和复杂性,突出了使用多样化数据集训练稳健图像分类模型的重要性。

致谢

如果您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。此数据集由 Zalando Research 提供。

常见问题

什么是 Fashion-MNIST 数据集?它与 MNIST 有何不同?

Fashion-MNIST 数据集是包含 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 包含 28x28 像素的图像,这些图像被分为 10 个与时尚相关的类别,例如 T 恤/上衣、裤子和踝靴。

如何在 Fashion-MNIST 数据集上训练 YOLO 模型?

要在 Fashion-MNIST 数据集上训练 Ultralytics YOLO 模型,您可以使用 python 和 CLI 命令。这是一个快速入门示例:

训练示例

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

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 数据集来评估我的机器学习模型?

Fashion-MNIST 数据集在深度学习领域被广泛认为是 MNIST 的可靠替代品。它提供了一组更复杂和多样化的图像,使其成为评估图像分类模型的绝佳选择。该数据集包含 60,000 个训练图像和 10,000 个测试图像,每个图像都标有 10 个类别之一,这使其非常适合在更具挑战性的环境中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,包括涉及 Fashion-MNIST 数据集的任务。例如,YOLO11 支持各种视觉任务,如检测、分割和分类。要开始使用图像分类任务,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 个训练图像和 10,000 个测试图像。每个图像都是一个 28x28 像素的灰度图片,代表 10 个与时尚相关的类别之一。其简单性和结构良好的格式使其成为在机器学习和计算机视觉任务中训练和评估模型的理想选择。有关数据集结构的更多详细信息,请参见数据集结构部分

如何在我的研究中致谢 Fashion-MNIST 数据集的使用?

如果您在研究或开发项目中使用 Fashion-MNIST 数据集,请务必通过链接到 GitHub 存储库 来进行致谢。这有助于将数据归功于 Zalando Research,他们提供了该数据集供公众使用。



📅 1 年前创建 ✏️ 8 个月前更新

评论