Fashion-MNIST数据集

Fashion-MNIST数据集是Zalando商品图像的数据库，包含60,000个训练样本和10,000个测试样本。每个样本是一个28x28的灰度图像，与10个类别中的一个标签相关联。Fashion-MNIST旨在作为原始MNIST数据集的直接替代品，用于基准测试机器学习算法。

观看: 如何使用Ultralytics YOLO11在Fashion MNIST数据集上进行图像分类

主要特点

Fashion-MNIST包含60,000张训练图像和10,000张测试图像，均为Zalando的商品图像。
数据集由28x28像素的灰度图像组成。
每个像素有一个与之关联的像素值，表示该像素的亮度或暗度，数值越大表示越暗。该像素值是一个介于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，特别是图像分类任务。

数据集结构

Fashion-MNIST数据集分为两个子集：

训练集: 该子集包含60,000张图像，用于训练机器学习模型。
测试集: 该子集包含10,000张图像，用于测试和基准测试训练好的模型。

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，如卷积神经网络（CNNs）、支持向量机（SVMs）以及各种其他机器学习算法。数据集的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研究人员和从业者的重要资源。

使用

要在Fashion-MNIST数据集上训练一个CNN模型，进行100个epoch，图像大小为28x28，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

PythonCLI

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n-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)

# 从预训练的*.pt模型开始训练
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28

样本图像和注释

Fashion-MNIST数据集包含Zalando商品图像的灰度图像，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，突出了多样化数据集对于训练鲁棒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Fashion-MNIST数据集，请通过链接到GitHub仓库来确认数据集。该数据集由Zalando Research提供。

常见问题

Fashion-MNIST数据集是什么，它与MNIST有何不同？

Fashion-MNIST 数据集是 Zalando 商品图像的 70,000 张灰度图像的集合，旨在作为原始 MNIST 数据集的现代替代品。它作为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 由 28x28 像素的图像组成，分为 10 个与时尚相关的类别，如 T 恤/上衣、裤子、短靴等。

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。以下是一个快速示例，帮助您入门：

训练示例

PythonCLI

from ultralytics import YOLO

# 加载预训练模型
model = YOLO("yolo11n-cls.pt")

# 在 Fashion-MNIST 上训练模型
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 数据集来基准测试我的机器学习模型？

Fashion-MNIST 数据集在深度学习社区中被广泛认可为 MNIST 的强大替代品。它提供了更复杂和多样的图像集，是基准测试图像分类模型的绝佳选择。该数据集的结构包括 60,000 张训练图像和 10,000 张测试图像，每个图像都标记为 10 个类别之一，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 模型可以用于图像分类任务，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。要开始进行图像分类任务，请参阅分类页面。

Fashion-MNIST 数据集的关键特性和结构是什么？

Fashion-MNIST 数据集分为两个主要子集：60,000 张训练图像和 10,000 张测试图像。每张图像是一个 28x28 像素的灰度图片，代表 10 个与时尚相关的类别之一。其简单且结构良好的格式使其非常适合在机器学习和计算机视觉任务中训练和评估模型。有关数据集结构的更多详细信息，请参阅数据集结构部分。