Link to this sectionFashion-MNIST 数据集#

Name: Fashion-MNIST 图像分类数据集
Creator: Zalando Research
License: https://github.com/zalandoresearch/fashion-mnist/blob/master/LICENSE
Keywords: Fashion-MNIST, 图像分类, Zalando 数据集, 机器学习, 深度学习, CNN, YOLO, 计算机视觉, 数据集概述

Fashion-MNIST 数据集是一个包含 70,000 张 28x28 灰度图像的图像分类基准，源自 Zalando 的服装单品，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、包和踝靴。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），并可作为原始 MNIST 数据集的直接替代品，用于机器学习算法的基准测试。若要寻找彩色图像的等效数据集，请参阅相关的 CIFAR-10 数据集。

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

Link to this section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 是图像分类和深度学习研究的标准基准。

Link to this section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。

Link to this section应用#

Fashion-MNIST 被广泛用于训练和评估图像分类模型，从经典的卷积神经网络 (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、可重复的基准，同时比 MNIST 的手写数字更具挑战性。

Link to this section用法#

使用图像大小为 28 对 YOLO 模型进行 100 轮次的 Fashion-MNIST 训练。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)

Link to this section样本图像和标注#

来自 Fashion-MNIST 数据集的样本图像：

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，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。

Link to this section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，将其作为机器学习和计算机视觉研究社区的宝贵资源。有关 Fashion-MNIST 数据集及其创建者的更多信息，请访问 Fashion-MNIST GitHub 存储库。

Link to this section常见问题解答#

Link to this section什么是 Fashion-MNIST 数据集，它与 MNIST 有何不同？#

Fashion-MNIST 数据集是一个包含 70,000 张 28x28 灰度图像的基准，涵盖了 Zalando 的 10 个类别的服装单品，旨在作为原始 MNIST 数据集的直接替代品。它与 MNIST 的图像大小、格式以及 60,000/10,000 的训练/测试集划分完全一致，但将手写数字替换为更难的时尚类别（例如 T 恤/上衣、裤子和踝靴），使其成为图像分类模型中要求更高的基准。

Link to this section如何使用 Ultralytics YOLO 模型在 Fashion-MNIST 数据集上进行训练？#

要使用 Ultralytics YOLO 模型在 Fashion-MNIST 上训练，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)