Fashion-MNIST 数据集#

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

Fashion-MNIST 是一项图像分类基准，包含 70,000 张 28x28 灰度图像，展示了 Zalando 的服饰商品，均匀分为 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、包和短靴。数据集附带预定义划分：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，用于对机器学习算法进行基准测试。彩色图像版本请参阅相关的 CIFAR-10 数据集。

在 Ultralytics Platform 上探索 Fashion-MNIST，预览示例、查看数据集统计信息，并克隆数据集用于训练。

主要功能#

• 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，因此数据集完全均衡。
• 它可以直接替代 MNIST：图像尺寸、格式和划分结构完全相同，但类别更难，内容从手写数字换成了服饰。
• 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 附带官方预定义划分，因此无需自动或手动划分：

• 类别：10 个（T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包、短靴）
• 图像总数：70,000 张（28x28 灰度图像）
• 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）

应用场景#

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)、支持向量机 (SVMs)以及现代深度架构。其小尺寸灰度图像和 10 个服饰类别使其成为快速、可复现的算法比较和计算机视觉实验基准，且比 MNIST 的手写数字更具挑战性。

用法#

在 Fashion-MNIST 上训练 YOLO 模型 100 个训练轮次，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。

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n-cls.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

示例图像和标注#

Fashion-MNIST 数据集示例图像：

这些示例展示了 Fashion-MNIST 数据集中服饰类别的多样性，凸显了多样化数据集对于训练稳健图像分类模型的价值。

引用与致谢#

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：

@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}
}

我们谨向 Zalando Research 致谢，感谢他们创建并维护 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#