ファッション-MNIST データセット
Fashion-MNISTデータセットは、Zalandoの記事画像のデータベースであり、60,000例のトレーニングセットと10,000例のテストセットから構成されている。各例は28x28のグレースケール画像で、10のクラスからのラベルと関連付けられている。Fashion-MNIST 、機械学習アルゴリズムのベンチマーク用のオリジナルのMNIST データセットの直接的な置き換えとしての役割を果たすことを意図している。
見る: 方法 画像分類 Ultralytics YOLO11用いたファッションMNIST データセットについて
主な特徴
- Fashion-MNIST 、Zalandoの記事画像のトレーニング画像60,000枚とテスト画像10,000枚が含まれている。
- データセットは、サイズ28x28ピクセルのグレースケール画像で構成されています。
- 各ピクセルには、そのピクセルの明度または暗さを示す単一のピクセル値が関連付けられており、数値が大きいほど暗くなります。このピクセル値は0から255までの整数です。
- Fashion-MNIST 、機械学習の分野、特に画像分類タスクの訓練とテストに広く使用されている。
データセットの構造
Fashion-MNIST データセットは2つのサブセットに分かれている：
- Training Set: このサブセットには、機械学習モデルのトレーニングに使用される60,000枚の画像が含まれています。
- テストセット：このサブセットは、トレーニング済みモデルのテストとベンチマークに使用される10,000枚の画像で構成されています。
ラベル
各トレーニングおよびテストの例は、次のいずれかのラベルに割り当てられます。
0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot
アプリケーション
Fashion-MNIST データセットは、CNN（Convolutional Neural Networks）、SVM（Support Vector Machines）、その他様々な機械学習アルゴリズムなど、画像分類タスクにおけるディープラーニングモデルのトレーニングや評価に広く使用されています。このデータセットのシンプルで構造化されたフォーマットは、機械学習やコンピュータビジョンの分野の研究者や実務家にとって不可欠なリソースとなっています。
使用法
Fashion-MNIST データセットで画像サイズ28x28のCNNモデルを100エポック学習させるには、以下のコード・スニペットを使います。利用可能な引数の包括的なリストについては、モデルのトレーニングのページを参照してください。
学習の例
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)
# Start training from a pretrained *.pt model
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
サンプル画像とアノテーション
Fashion-MNIST データセットには、Zalandoの記事画像のグレースケール画像が含まれており、画像分類タスクのための構造化されたデータセットを提供しています。以下にデータセットからの画像の例を示します：
この例は、Fashion-MNIST データセットに含まれる画像の多様性と複雑性を示しており、ロバストな画像分類モデルを学習するための多様なデータセットの重要性を強調している。
謝辞
Fashion-MNIST データセットを研究または開発で使用する場合は、GitHubリポジトリにリンクすることで、データセットへの謝辞をお願いします。このデータセットはZalando Researchにより提供されました。
よくある質問
Fashion-MNIST データセットとはどのようなもので、MNISTどのように違うのですか？
Fashion-MNISTデータセットは、Zalandoの記事画像の70,000グレースケール画像のコレクションであり、オリジナルのMNIST データセットの現代的な置き換えを意図している。画像分類タスクの文脈における機械学習モデルのベンチマークとして機能する。手書きの数字が含まれるMNIST異なり、MNIST -MNISTは28x28ピクセルの画像で構成され、T-shirt/top、trouser、ankle bootなど10のファッション関連クラスに分類されている。
Fashion-MNIST データセットでYOLO モデルをトレーニングするには？
Fashion-MNIST データセットでUltralytics YOLO モデルをトレーニングするには、Python CLI コマンドの両方を使用できます。以下に簡単な例を示します：
学習の例
from ultralytics import YOLO
# Load a pretrained model
model = YOLO("yolo11n-cls.pt")
# Train the model on Fashion-MNIST
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)
yolo classify train data=fashion-mnist model=yolo11n-cls.pt epochs=100 imgsz=28
より詳細な学習パラメータについては、トレーニングページを参照してください。
機械学習モデルのベンチマークにFashion-MNIST データセットを使うべき理由は？
Fashion-MNISTデータセットは、MNIST代わる堅牢なデータセットとしてディープラーニングコミュニティで広く認知されている。より複雑で多様な画像セットを提供しており、画像分類モデルのベンチマークに最適な選択肢となっている。このデータセットの構造は、60,000枚のトレーニング画像と10,000枚のテスト画像で構成され、それぞれ10クラスのうちの1つでラベル付けされているため、より困難な状況で様々な機械学習アルゴリズムの性能を評価するのに理想的です。
Fashion-MNISTような画像分類タスクにUltralytics YOLO 使用できますか？
はい、Ultralytics YOLO モデルは、Fashion-MNIST データセットを含む画像分類タスクに使用できます。例えば、YOLO1111は、検出、セグメンテーション、分類などの様々な視覚タスクをサポートしています。画像分類タスクを始めるには、分類のページをご覧ください。
Fashion-MNIST データセットの主な特徴と構造は？
Fashion-MNIST データセットは、60,000枚のトレーニング画像と10,000枚のテスト画像の2つのサブセットに分かれている。各画像は28x28ピクセルのグレースケール画像で、10種類のファッション関連クラスのうちの1つを表している。シンプルで構造化されたフォーマットであるため、機械学習やコンピュータビジョンのタスクにおけるモデルの訓練や評価に最適です。データセット構造の詳細については、データセット構造のセクションを参照してください。
私の研究でFashion-MNIST データセットを使用したことをどのように認められますか？
Fashion-MNIST データセットをあなたの研究や開発プロジェクトで利用する場合、GitHubリポジトリにリンクすることでそれを認めることが重要です。これは、データセットを一般利用できるようにしたZalando Researchにデータを帰属させるのに役立ちます。
