YOLO Vision 2026：
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 Zalando 服饰的 28x28 灰度图像，均匀分布在 10 个类别中——T恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和短靴。它自带预定义的 60,000 张训练图像和 10,000 张测试图像（每类 7,000 张），可作为原始 MNIST 数据集的直接替代品，用于评估机器学习算法。有关彩色图像的等效数据集，请参阅相关的 CIFAR-10 数据集。

探索 Fashion-MNIST on Ultralytics Platform 以预览样本、检查数据集统计数据并克隆以供训练。



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（6,000 张用于训练，1,000 张用于测试），因此该数据集是完美平衡的。
  • 它是 MNIST 的直接替代品：图像大小、格式和划分结构完全相同，但采用了更具挑战性的服装类别，而不是手写数字。
  • 该数据集自带预定义的训练/测试分割，因此无需手动或自动进行分割。
  • Fashion-MNIST 是用于图像分类和深度学习研究的标准基准。

数据集结构#

Fashion-MNIST 自带官方预定义的划分，因此无需进行自动或手动分区：

  • 类别: 10 (T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包、踝靴)
  • 总图像数: 70,000 (28x28 灰度)
  • 训练集: 60,000 张图像（每类 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 10,000 张测试集图像作为验证集。

应用#

Fashion-MNIST 广泛用于训练和评估图像分类模型，从传统的卷积神经网络（CNN）和支持向量机（SVM）到现代深度架构。其较小的灰度图像和 10 个服装类别使其成为算法比较和计算机视觉实验的快速、可复现的基准，同时比 MNIST 的手写数字更具挑战性。

用法#

在 Fashion-MNIST 上训练一个 YOLO 模型，图像大小为 28，训练 100 个轮次。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)

样本图像和标注#

来自 Fashion-MNIST 数据集的样本图像：

Fashion-MNIST clothing classification dataset samples

这些样本展示了 Fashion-MNIST 数据集中服装类别的多样性，强调了多样化数据集对于训练稳健的图像分类模型的重要性。

引用与致谢#

如果你在研究或开发工作中使用了 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}
}

我们要感谢 Zalando Research 创建并维护了 Fashion-MNIST 数据集，为机器学习和计算机视觉研究社区提供了一个宝贵的资源。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。

常见问题解答#

  • Fashion-MNIST 数据集是一个包含 70,000 张 Zalando 服饰 28x28 灰度图像（分属 10 个类别）的基准，作为原始 MNIST 数据集的直接替代品而创建。它拥有与 MNIST 完全相同的图像大小、格式以及 60,000/10,000 训练/测试划分，但用更具挑战性的时尚类别（如 T恤/上衣、裤子和短靴）代替了手写数字，使其成为图像分类模型更具挑战性的基准。

  • 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 拥有 10 个类别 —— T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和踝靴 —— 每个类别恰好 7,000 张图像，总计 70,000 张图像。每张图像都是一张 28x28 的 Zalando 服装单品灰度图片，且类别完美平衡。

  • Fashion-MNIST 自带预定义的 60,000 张训练图像和 10,000 张测试图像的划分，每类恰好有 6,000 张训练和 1,000 张测试图像。与 Ultralytics 自动划分的基于文件夹的分类数据集不同，Fashion-MNIST 的官方分区按原样使用，且测试集默认在训练期间作为验证集。

  • 是的。Ultralytics 平台让你能够管理数据集、训练图像分类模型并在无需大量编码的情况下部署它们。这是在云端运行 Fashion-MNIST 实验的便捷方式，你可以在我们的分类数据集概述中探索更多选项。

贡献者
GLglenn-jocher15RAraimbekovm3RIRizwanMunawar3MAMatthewNoyce1JKjk4e1

评论