YOLO Vision 2026:
MIT

Fashion-MNISTデータセット#

Fashion-MNIST データセットは、Zalandoのアパレル製品を捉えた70,000枚の28x28グレースケール画像からなる画像分類のベンチマークであり、Tシャツ/トップス、ズボン、ンプルオーバー、ドレス、コート、サンダル、シャツ、スニーカー、バッグ、アンクルブーツの10クラスに均等に分割されています。60,000枚の訓練画像と10,000枚のテスト画像（1クラスあたり7,000枚）の事前定義された分割が含まれており、機械学習アルゴリズムのベンチマークにおいて、オリジナルのMNISTデータセットのドロップイン代替として機能します。カラー画像の同等品については、関連するCIFAR-10データセットをご覧ください。



Watch: How to do Image Classification on Fashion-MNIST using Ultralytics YOLO

主な特徴#

  • Fashion-MNISTは、28x28ピクセルのグレースケール画像70,000枚で構成され、10クラスに均等に分類されています。
  • 各クラスには正確に7,000枚の画像（学習用6,000枚、テスト用1,000枚）が含まれており、データセットは完全にバランスが取れています。
  • これはMNISTの代替としてそのまま利用可能です。画像サイズ、フォーマット、分割構造は同一ですが、手書き数字の代わりに難易度の高い衣料品のカテゴリが使用されています。
  • このデータセットにはあらかじめトレーニング用とテスト用の分割が設定されているため、手動または自動で分割を行う必要はありません。
  • Fashion-MNISTは、画像分類およびディープラーニング研究の標準的なベンチマークです。

データセットの構造#

Fashion-MNISTには公式の事前定義済み分割が付属しているため、自動または手動での分割は不要です。

  • クラス: 10 (Tシャツ/トップス、トラウザー、プルオーバー、ドレス、コート、サンダル、シャツ、スニーカー、バッグ、アンクルブーツ)
  • 画像総数: 70,000枚 (28x28 グレースケール)
  • 学習セット: 60,000枚 (各クラス6,000枚)
  • テストセット: 10,000枚（各クラス1,000枚）
検証用データセット

Fashion-MNISTには独立した検証用フォルダがないため、Ultralyticsではデフォルトで、10,000枚のテストセットを学習中の検証用分割として使用します。

アプリケーション#

Fashion-MNISTは、古典的な畳み込みニューラルネットワーク（CNN）やサポートベクターマシン（SVM）から現代のディープアーキテクチャに至るまで、画像分類モデルのトレーニングと評価に広く使用されています。その小さなグレースケール画像と10の衣料品カテゴリにより、アルゴリズムの比較やコンピュータビジョンの実験のための高速で再現性のあるベンチマークとなりつつ、MNISTの手書き数字よりも難易度が高くなっています。

使用方法#

画像サイズ28で100エポックの間、Fashion-MNISTでYOLOモデルをトレーニングします。利用可能な引数の完全なリストについては、トレーニングページおよび画像分類タスクガイドをご参照ください。

学習例
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

サンプル画像とアノテーション#

Fashion-MNISTデータセットのサンプル画像:

Fashion-MNIST clothing classification dataset samples

これらのサンプルは、Fashion-MNISTデータセットにおける衣料品カテゴリの多様性を示しており、堅牢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価値を強調しています。

引用と謝辞#

研究や開発業務でFashion-MNISTデータセットを使用する場合は、以下の論文を引用してください。

引用
@article{xiao2017fashion,
         title={Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms},
         author={Han Xiao and Kashif Rasul and Roland Vollgraf},
         year={2017},
         eprint={1708.07747},
         archivePrefix={arXiv},
         primaryClass={cs.LG}
}

機械学習およびコンピュータビジョンの研究コミュニティにとって貴重なリソースとしてFashion-MNISTデータセットを作成および維持してくださったZalando Researchに感謝いたします。Fashion-MNISTデータセットとその作成者の詳細については、Fashion-MNIST GitHubリポジトリをご覧ください。

よくある質問 (FAQ)#

Fashion-MNISTデータセットとは何ですか？また、MNISTとどのように異なりますか？#

Fashion-MNIST データセットは、オリジナルのMNISTデータセットのドロップイン代替として作成された、10のクラスにわたるZalandoの衣料品に関する70,000枚の28x28グレースケール画像のベンチマークです。MNISTの正確な画像サイズ、フォーマット、60,000/10,000のトレーニング/テスト分割を共有していますが、手書き数字をTシャツ/トップス、ズボン、アンクルブーツなどのより困難なファッションカテゴリに置き換えており、画像分類モデルにとってより要求の厳しいベンチマークとなっています。

Ultralytics YOLOモデルをFashion-MNISTデータセットで学習させるにはどうすればよいですか？#

Fashion-MNIST上でUltralytics YOLOモデルをトレーニングするには、以下のコードスニペットを使用してください。データセットは初回使用時に自動的にダウンロードされます。引数の完全なリストについては、モデルのトレーニングページをご参照ください。

学習例
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="fashion-mnist", epochs=100, imgsz=28)

Fashion-MNISTデータセットにはいくつのクラスがありますか？#

Fashion-MNISTには10のクラス（Tシャツ/トップス、トラウザー、プルオーバー、ドレス、コート、サンダル、シャツ、スニーカー、バッグ、アンクルブーツ）があり、各クラスに正確に7,000枚、合計で70,000枚の画像があります。各画像はZalandoの衣料品1点を写した28x28のグレースケール画像で、クラスは完全にバランスが取れています。

Fashion-MNISTデータセットはどのように学習セットとテストセットに分割されていますか？#

Fashion-MNISTには、学習画像60,000枚、テスト画像10,000枚の事前定義済み分割が付属しており、各クラスに正確に学習用6,000枚、テスト用1,000枚が含まれています。Ultralyticsが自動的に分割を行うフォルダベースの分類データセットとは異なり、Fashion-MNISTの公式分割がそのまま使用され、学習中の検証用分割としてテストセットがデフォルトで使用されます。

Fashion-MNISTデータセットでのモデル学習にUltralytics Platformを使用できますか？#

はい。Ultralytics Platformを使用すると、大規模なコーディングなしでデータセットの管理、画像分類モデルのトレーニング、およびデプロイを行うことができます。これはクラウドでFashion-MNISTの実験を実行するための便利な方法であり、分類データセットの概要でその他のオプションをご覧いただけます。

貢献者
GLglenn-jocher14RIRizwanMunawar3RAraimbekovm2MAMatthewNoyce1JKjk4e1

コメント