Fashion-MNIST es un conjunto de datos de referencia ampliamente utilizado en los campos del Machine learning y el Deep learning. Consiste en 70,000 imágenes en escala de grises de productos de moda, cada una de 28 por 28 píxeles, divididas en 60,000 imágenes de entrenamiento y 10,000 imágenes de prueba. El conjunto de datos fue creado por Zalando Research en 2017 para ofrecer una alternativa más desafiante y realista al conjunto de datos original MNIST de dígitos manuscritos, que ya había alcanzado niveles de precisión muy altos. Fashion-MNIST está diseñado para evaluar la capacidad de los modelos de Neural network para distinguir entre diez categorías distintas de prendas, convirtiéndose en una herramienta estándar para la evaluación de algoritmos de clasificación de imágenes.
Las diez clases del conjunto de datos son: camiseta/top, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla, bolso y bota. Cada imagen es una fotografía en escala de grises, de baja resolución y centrada, que incluye algo de ruido de fondo, reflejando condiciones del mundo real de manera más fiel que los dígitos limpios y centrados de MNIST. Debido al pequeño tamaño de las imágenes y al volumen moderado del conjunto de datos, Fashion-MNIST es computacionalmente económico para entrenar, pero a la vez presenta una dificultad suficiente para diferenciar el rendimiento de modelos con diversas arquitecturas y configuraciones de hiperparámetros.
Historia y Motivación
Fashion-MNIST fue presentado en un artículo de 2017 por Han Xiao, Kashif Rasul y Roland Vollgraf, investigadores de Zalando Research, la división de aprendizaje automático de la empresa alemana de comercio electrónico de moda Zalando. La motivación principal fue la observación de que el conjunto de datos MNIST original, lanzado en 1998 por Yann LeCun, Corinna Cortes y Christopher Burges, se había vuelto demasiado fácil para los clasificadores modernos. Muchos modelos alcanzaban una precisión superior al 99%, lo que dificultaba discernir mejoras significativas en el diseño de algoritmos. Los autores buscaron crear un conjunto de datos que mantuviera el mismo formato y complejidad que MNIST -imágenes de 28x28 píxeles en escala de grises, 10 clases y la misma división de entrenamiento/prueba- pero con una tarea de reconocimiento visual más desafiante.
Las imágenes se obtuvieron del catálogo de Zalando, donde las fotografías de productos se convirtieron a escala de grises, se redimensionaron y se recortaron para centrar los artículos. El conjunto de datos se publicó bajo la licencia MIT, lo que permite su uso libre en aplicaciones académicas y comerciales. Desde su lanzamiento, Fashion-MNIST se ha convertido en uno de los conjuntos de datos más citados en la investigación de aprendizaje automático, siendo utilizado en miles de artículos para evaluar redes neuronales convolucionales, máquinas de vectores de soporte y otros clasificadores.
Características del Conjunto de Datos
Cada imagen en Fashion-MNIST es una matriz de 28x28 píxeles, con valores que van de 0 (negro) a 255 (blanco). Las imágenes se almacenan en un formato idéntico al de MNIST, lo que facilita su uso en código existente sin necesidad de modificaciones. El conjunto de entrenamiento contiene 6,000 imágenes por clase, mientras que el conjunto de prueba contiene 1,000 imágenes por clase, garantizando una representación equilibrada en las diez categorías.
Una característica notable es la presencia de variación intra-clase. Por ejemplo, la clase "camisa" incluye tanto camisas de manga corta como de manga larga, y la clase "bolso" incluye bolsos de mano, mochilas y clutches. Esta variabilidad obliga a los modelos a aprender características más robustas en lugar de depender de patrones de píxeles simples. Además, algunas clases son visualmente similares entre sí, como jerséis, abrigos y camisas, lo que aumenta la dificultad de la tarea de clasificación en comparación con las formas distintivas de los dígitos de MNIST.
Uso en la Investigación de Aprendizaje Automático
Fashion-MNIST se utiliza comúnmente como conjunto de datos de referencia para evaluar nuevas arquitecturas de Neural network, técnicas de optimización y métodos de regularización. Debido a que el conjunto de datos es lo suficientemente pequeño para entrenar en una sola GPU en cuestión de minutos, los investigadores pueden iterar rápidamente. También se utiliza con frecuencia en entornos educativos para enseñar conceptos de Deep learning, ya que proporciona una tarea visual más interesante que los dígitos manuscritos, mientras sigue siendo manejable para los estudiantes.
Los resultados típicos de referencia en Fashion-MNIST muestran que una red neuronal convolucional bien ajustada puede alcanzar una precisión de alrededor del 93-95%, mientras que un modelo de regresión logística simple llega aproximadamente al 85%. Esta diferencia resalta la ventaja de los enfoques de aprendizaje profundo para esta tarea. El conjunto de datos también se ha utilizado para probar estrategias de transferencia de aprendizaje, aumento de datos y robustez ante ataques adversariales, ya que sus imágenes son más complejas que las de MNIST pero lo suficientemente simples para experimentos controlados.
Comparación con MNIST Original
El conjunto de datos MNIST original consiste en dígitos manuscritos del 0 al 9, recopilados de empleados de la Oficina del Censo de EE. UU. y estudiantes de secundaria. Mientras que MNIST está prácticamente resuelto, con muchos modelos superando el 99.5% de precisión, Fashion-MNIST típicamente ve precisiones máximas de alrededor del 96-97%, dejando más margen para la mejora. Las imágenes de moda también contienen más complejidad de textura y bordes, lo que las convierte en un mejor proxy para tareas de visión por computadora del mundo real, como el reconocimiento de productos en el comercio electrónico.
Otra diferencia radica en la fuente de los datos. Los dígitos de MNIST fueron escritos y escaneados manualmente, mientras que las imágenes de Fashion-MNIST provienen de fotografías de productos profesionales, que incluyen variaciones de iluminación y elementos de fondo. Esto hace que Fashion-MNIST sea más representativo de aplicaciones prácticas, aunque conserva la misma baja resolución y formato simple que facilitan su visualización y procesamiento.
Limitaciones y Extensiones
A pesar de su popularidad, Fashion-MNIST tiene limitaciones. La resolución de 28x28 es demasiado baja para una clasificación de grano fino, y el formato en escala de grises descarta información de color que podría ser útil en el reconocimiento de moda en el mundo real. Algunos investigadores han criticado el conjunto de datos por ser demasiado fácil en comparación con referencias modernas como CIFAR-10 o ImageNet, que contienen imágenes naturales con mayor resolución y más clases. No obstante, Fashion-MNIST sigue siendo una herramienta valiosa para la creación rápida de prototipos y fines educativos.
Se han desarrollado extensiones del conjunto de datos que incluyen variantes con ruido añadido, rotaciones o perturbaciones adversariales, utilizadas para probar la robustez de los modelos. Algunos trabajos también han combinado Fashion-MNIST con otros conjuntos de datos para crear tareas de aprendizaje multitarea. La simplicidad y el etiquetado claro del conjunto de datos lo convierten en un punto de partida fiable para investigadores que exploran nuevas ideas en Artificial intelligence antes de pasar a conjuntos de datos más complejos.
Impacto y Legado
Fashion-MNIST ha tenido un impacto significativo en la comunidad de aprendizaje automático al proporcionar un punto de referencia estandarizado y accesible que cierra la brecha entre los problemas de juguete y las aplicaciones del mundo real. Se ha integrado en las principales bibliotecas de aprendizaje profundo como TensorFlow, PyTorch y Keras, permitiendo a los usuarios cargar el conjunto de datos con una sola línea de código. Su adopción generalizada lo ha convertido en un estándar de facto para cursos introductorios de visión por computadora y para comparar el rendimiento de modelos recién propuestos.
Los creadores del conjunto de datos también proporcionaron un informe técnico detallado y un repositorio en GitHub con código para cargar y visualizar los datos, lo que facilitó su adopción rápida. A principios de la década de 2020, Fashion-MNIST seguía siendo citado en cientos de artículos de investigación anualmente, y permanece como una referencia recomendada para cualquier persona que desarrolle algoritmos de clasificación de imágenes en el dominio de baja resolución.