https://blog.csdn.net/u011995719/article/details/77834375
命名技巧:
项目目的:
数据源:
数据制作:
推荐阅读:数据制作
paper 地址:https://arxiv.org/abs/1708.07747
数据集下载:https://github.com/zalandoresearch/fashion-mnist
上个月底突然被Fashion-MNIST刷屏,于是乎看看这个数据集是个什么样的数据集。
命名技巧:
Fashion-MNIST其命名很有技巧,“蹭”了MNIST,要不然也火不了。就像JAVAsript 的命名,JAVAsript和JAVA没啥关系,就是“蹭”热度,起个好名字啊!引用知乎 的图片:
这里写图片描述
项目目的:
制作这个数据集的目的就是取代MNIST,作为机器学习算法良好的“检测器”,用以评估各种机器学习算法。为什么不用MNIST了呢? 因为MNIST就现在的机器学习算法来说,是比较好分的,很多机器学习算法轻轻松松可以达到99%,因此无法区分出各类机器学习算法的优劣。
为了和MNIST兼容,Fashion-MNIST 与MNIST的格式,类别,数据量,train和test的划分,完全一致。
数据源:
paper中提到,数据来源于Zalando’s website . 这是什么鬼? 查了一下才知道,Zalando是德国的电商, 其主要产品是服装和鞋类。再一看作者,是Zalando研究部门的,好吧。可不可以认为是打广告呢!剩下一大笔广告费啊!作者是华人:肖涵。
数据来自不同gender group: men women kids and neutral ;并且,不包含白色的商品,因为白色商品与背景的对比度较低。
类别如下:
标注编号 描述
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)
———————————————–分割线—————————————————-
名称 描述 样本数量 文件大小 链接
train-images-idx3-ubyte.gz 训练集的图像 60,000 26 MBytes 下载
train-labels-idx1-ubyte.gz 训练集的类别标签 60,000 29 KBytes 下载
t10k-images-idx3-ubyte.gz 测试集的图像 10,000 4.3 MBytes 下载
t10k-labels-idx1-ubyte.gz 测试集的类别标签 10,000 5.1 KBytes 下载
数据制作:
在paper中有一点比较值得学习,就是图片如何制作成 28*28的灰度图的过程,可以借鉴此种方法来对自己的图片进行“resize”。
最原始图片是背景为浅灰色的,分辨率为762*1000 的JPEG图片。然后经过resampled 到 51*73 的彩色图片。然后依次经过以下7个步骤,最终得到28*28的灰度图
这里写图片描述
JPEG –> PNG
裁剪背景
按比例: max(h,w)28
将图像缩放,也就是将一个维度缩放至28
锐化
再扩充至28*28,再把object调整至图片中央
将负的像素点剔除
转化成28*28的灰度图
这一套方法觉得比平时仅采用resize或许会好,可以考虑尝试
---------------------
作者:TensorSense
来源:CSDN
原文:https://blog.csdn.net/u011995719/article/details/77834375?utm_source=copy
版权声明:本文为博主原创文章,转载请附上博文链接!