【文献阅读】Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms

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：

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 2828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7621000 的JPEG图片。然后经过resampled 到 5173 的彩色图片。然后依次经过以下7个步骤，最终得到2828的灰度图

1. JPEG --> PNG
2. 裁剪背景
3. 按比例： $\frac{max(h,w)}{28}$ 将图像缩放，也就是将一个维度缩放至28
4. 锐化
5. 再扩充至28*28，再把object调整至图片中央
6. 将所有像素点取反，即 255-intensity (感谢网友Jing_xian的指正)
7. 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