Fashion-MNIST:替代MNIST手写数字集的图像数据集

发布网友发布时间：2024-10-22 21:16

共1个回答

热心网友时间：2024-10-22 21:27

Fashion-MNIST是替代经典MNIST手写数字集的一个图像数据集，由Zalando公司提供，包含10种类别的共7万个不同商品的正面图片。它的大小、格式和训练集/测试集划分与原始的MNIST完全一致，即60000/10000的训练测试数据划分，28x28的灰度图片。它可以直接用于测试机器学习和深度学习算法的性能，无需改动代码。

为什么要做Fashion-MNIST？经典MNIST数据集包含了大量手写数字，成为了机器学习、机器视觉、人工智能、深度学习领域研究者的基准之一。Fashion-MNIST作为直接替代品，目的在于无需修改代码即可使用。它的图片大小、训练、测试样本数及类别数与经典MNIST完全相同。

获取Fashion-MNIST数据集的链接如下：

train-images-idx3-ubyte.gz：训练集的图像，60,000样本，26MB
train-labels-idx1-ubyte.gz：训练集的类别标签，60,000样本，29KB
t10k-images-idx3-ubyte.gz：测试集的图像，10,000样本，4.2MB
t10k-labels-idx1-ubyte.gz：测试集的类别标签，10,000样本，5.0KB

或者直接从代码库中下载，数据集位于"data/fashion"目录下。代码库中还包含了一些用于评测和可视化的脚本。

每个训练和测试样本按照以下类别进行了标注：

0：T-shirt/top（T恤）
1：Trouser（裤子）
2：Pullover（套衫）
3：Dress（裙子）
4：Coat（外套）
5：Sandal（凉鞋）
6：Shirt（汗衫）
7：Sneaker（运动鞋）
8：Bag（包）
9：Ankle boot（踝靴）

如何载入数据？可以使用Python（需要安装numpy）、Tensorflow或其他语言进行操作。经典机器学习模型的评测可以通过scikit-learn实现，并在Fashion-MNIST和经典MNIST上进行可视化。在论文中引用Fashion-MNIST时，请引用以下论文：

Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms. Han Xiao, Kashif Rasul, Roland Vollgraf. arXiv: TBA

论文将在Mon, 28 Aug 2017 00:00:00 GMT在arXiv上发表。