Link to this sectionFashion-MNISTデータセット#

Fashion-MNISTデータセットは、Zalandoの商品画像データベースであり、60,000枚のトレーニング用画像と10,000枚のテスト用画像で構成されています。各サンプルは28x28のグレースケール画像で、10個のクラスのいずれかにラベル付けされています。Fashion-MNISTは、従来のMNISTデータセットに代わる直接的なベンチマーク用データセットとして、機械学習アルゴリズムの評価に使用されることを目的としています。

Link to this section主な特徴#

• Fashion-MNISTには、Zalandoの商品画像がトレーニング用として60,000枚、テスト用として10,000枚含まれています。
• このデータセットは、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、その明る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いことを意味します。このピクセル値は0から255の整数です。
• Fashion-MNISTは、機械学習分野、特に画像分類タスクのトレーニングやテストにおいて広く使用されています。

Link to this sectionデータセットの構造#

Fashion-MNISTデータセットは、以下の2つのサブセットに分割されています。

1. トレーニングセット: 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。
2. テストセット: このサブセットには、トレーニング済みモデルのテストおよびベンチマークに使用される10,000枚の画像が含まれています。

Link to this sectionラベル#

トレーニングおよびテストの各サンプルは、以下のいずれかのラベルに割り当てられています。

0. T-shirt/top
1. Trouser
2. Pullover
3. Dress
4. Coat
5. Sandal
6. Shirt
7. Sneaker
8. Bag
9. Ankle boot

Link to this sectionアプリケーション#

Fashion-MNISTデータセットは、畳み込みニューラルネットワーク（CNN）、サポートベクターマシン（SVM）、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深層学習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かつ適切に構造化された形式は、機械学習やコンピュータビジョンの分野における研究者や実務者にとって不可欠なリソースとなっています。

Link to this section使用方法#

28x28の画像サイズで100エポック分、Fashion-MNISTデータセットを使用してCNN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できます。利用可能な引数の詳細なリストについては、モデルのトレーニングページを参照してください。

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)

Link to this section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の商品画像のグレースケール画像が含まれており、画像分類タスク向けの適切に構造化されたデータセットを提供します。以下は、データセット内の画像サンプルです。

このサンプルは、Fashion-MNISTデータセットにおける画像の多様性と複雑さを示しており、堅牢な画像分類モデルをトレーニングするための多様なデータセットの重要性を強調しています。

Link to this section謝辞#

研究や開発においてFashion-MNISTデータセットを使用する場合は、GitHubリポジトリへのリンクを記載してクレジットを表示してください。このデータセットはZalando Researchによって提供されました。

Link to this sectionFAQ#

Link to this sectionFashion-MNISTデータセットとは何ですか？また、MNISTとどう違いますか？#

Fashion-MNISTデータセットは、Zalandoの商品画像70,000枚を集めたコレクションであり、従来のMNISTデータセットに代わる現代的なデータセットとして作成されました。画像分類タスクにおける機械学習モデルのベンチマークとして機能します。手書き数字を含むMNISTとは異なり、Fashion-MNISTはTシャツ/トップス、ズボン、アンクルブーツなど、10種類のファッション関連クラスに分類された28x28ピクセルの画像で構成されています。

Link to this sectionFashion-MNISTデータセットでYOLOモデルをトレーニングするにはどうすればよいですか？#

Ultralytics YOLOモデルをFashion-MNISTデータセットでトレーニングするには、PythonおよびCLIコマンドの両方を使用できます。以下は、開始するための簡単な例です。

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n-cls.pt")

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

トレーニングパラメータの詳細については、トレーニングページを参照してください。

Link to this sectionなぜ機械学習モデルのベンチマークにFashion-MNISTデータセットを使用すべきなのですか？#

Fashion-MNISTデータセットは、深層学習コミュニティにおいて、MNISTの堅牢な代替手段として広く認識されています。より複雑で多様な画像セットを提供するため、画像分類モデルのベンチマークとして最適です。60,000枚のトレーニング画像と10,000枚のテスト画像（各画像は10クラスのいずれかにラベル付けされている）で構成される構造により、より困難な状況下で様々な機械学習アルゴリズムのパフォーマンスを評価するのに理想的です。

Link to this sectionFashion-MNISTのような画像分類タスクにUltralytics YOLOを使用できますか？#

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YOLO26は、検出、インスタンスセグメンテーション、セマンティックセグメンテーション、分類、姿勢推定、指向性物体検出など、様々なビジョンタスクをサポートしています。画像分類タスクを開始するには、分類ページを参照してください。

Link to this sectionFashion-MNISTデータセットの主な特徴と構造は何ですか？#

Fashion-MNISTデータセットは、60,000枚のトレーニング画像と10,000枚のテスト画像という2つの主要なサブセットに分かれています。各画像は、10種類のファッション関連クラスのいずれかを表す28x28ピクセルのグレースケール画像です。そのシンプルさと適切に構造化された形式により、機械学習やコンピュータビジョンタスクにおけるモデルのトレーニングおよび評価に最適です。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。

Link to this section研究でFashion-MNISTデータセットを使用したことをどのように記載すればよいですか？#

研究や開発プロジェクトでFashion-MNISTデータセットを利用する場合は、GitHubリポジトリへのリンクを記載してクレジットを表示してください。これは、一般公開されているデータセットを提供したZalando Researchに帰属を示すために重要です。