跳至内容

时尚-MNIST 数据集

时尚-MNIST数据集是一个 Zalando 文章图片数据库，包括一个由 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 28x28 灰度图像，与 10 个类别中的一个标签相关联。时尚-MNIST 数据集可直接替代原始的 MNIST 数据集，用于机器学习算法的基准测试。

主要功能

  • 时尚-MNIST 包含 60,000 张训练图像和 10,000 张 Zalando 文章图像的测试图像。
  • 数据集由大小为 28x28 像素的灰度图像组成。
  • 每个像素都有一个像素值，表示该像素的亮度或暗度，数值越大表示越暗。像素值是介于 0 和 255 之间的整数。
  • 时尚-MNIST 被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

时尚-MNIST 数据集分为两个子集：

  1. 训练集：该子集包含 60,000 张图像，用于训练机器学习模型。
  2. 测试集：该子集由 10,000 张图像组成，用于测试和基准测试训练有素的模型。

标签

每个训练和测试示例都会被分配到以下标签之一：

  1. T 恤/上衣
  2. 裤装
  3. 套头衫
  4. 连衣裙
  5. 外套
  6. 凉鞋
  7. 衬衫
  8. 运动鞋
  9. 袋子
  10. 踝靴

应用

时尚-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，如卷积神经网络（CNN）、支持向量机（SVM）和其他各种机器学习算法。该数据集格式简单、结构合理，是机器学习和计算机视觉领域研究人员和从业人员的重要资源。

使用方法

要在图像大小为 28x28 的时尚-MNIST 数据集上对 CNN 模型进行 100 次历时训练，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。

列车示例

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=fashion-mnist model=yolov8n-cls.pt epochs=100 imgsz=28

图片和注释示例

时尚-MNIST 数据集包含 Zalando 文章图片的灰度图像，为图像分类任务提供了一个结构良好的数据集。下面是数据集中的一些图像示例：

数据集样本图像

该示例展示了时尚-MNIST 数据集中图像的多样性和复杂性，突出了多样化数据集对训练强大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了时尚-MNIST 数据集，请链接至GitHub 存储库，以示对数据集的认可。本数据集由 Zalando Research 提供。



创建于 2023-11-12，更新于 2023-11-18
作者:glenn-jocher(2)

评论