Fashion-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の例のトレーニングセットと10,000の例のテストセットで構成されています。各例は、10クラスのラベルに関連付けられた28x28グレースケール画像です。Fashion-MNISTは、機械学習アルゴリズムのベンチマークのために、元のMNISTデータセットの直接的なドロップイン代替として機能することを目的としています。
見る: 方法 画像分類 Ultralytics YOLO11を使用してFashion MNISTデータセットで
主な特徴
- Fashion-MNISTには、Zalandoのアイテム画像のトレーニング画像60,000枚とテスト画像10,000枚が含まれています。
- 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は、機械学習、特に画像分類タスクの分野でトレーニングとテストに広く使用されています。
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割されています。
- 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、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）、およびその他のさまざま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と評価に広く使用されています。データセットのシンプルで整った構造は、機械学習および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CNNモデルを28x28の画像サイズで100エポックトレーニングするには、次のコードスニペットを使用できます。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のアイテム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ます。以下は、データセットからの画像のいくつかの例です。
この例では、Fashion-MNISTデータセット内の画像の多様性と複雑さを紹介し、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。
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 リポジトリへのリンクを記載して、データセットの謝辞を述べてください。このデータセットは、Zalando Research によって公開されました。
よくある質問
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、Zalandoの記事画像の70,000枚のグレースケール画像のコレクションであり、元のMNISTデータセットの最新の代替として意図されています。画像分類タスクのコンテキストで機械学習モデルのベンチマークとして機能します。手書きの数字を含むMNISTとは異なり、Fashion-MNISTは、Tシャツ/トップ、ズボン、アンクルブーツなど、10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。
Fashion-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？
Fashion-MNISTデータセットでUltralytics YOLOモデルを学習させるには、pythonとCLIコマンドの両方を使用できます。まず、簡単な例を次に示します。
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データセットを使用する理由は何ですか？
Fashion-MNISTデータセットは、MNISTの堅牢な代替として深層学習コミュニティで広く認識されています。より複雑で多様な画像のセットを提供し、画像分類モデルのベンチマークに最適です。60,000のトレーニング画像と10,000のテスト画像で構成されるデータセットの構造は、それぞれ10クラスのいずれかでラベル付けされており、より困難なコンテキストでさまざま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。
Fashion-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。たとえば、YOLO11は、検出、セグメンテーション、分類など、さまざま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、Classificationページを参照してください。
Fashion-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割されています。各画像は、10個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。そのシンプルさと整った構造により、機械学習および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と評価に最適です。データセット構造の詳細については、データセット構造セクションを参照してください。
Fashion-MNISTデータセットを研究で使用した場合、どのように謝辞を述べればよいですか？
Fashion-MNIST データセットを研究または開発プロジェクトで使用する場合は、GitHub リポジトリへのリンクを記載して謝辞を述べることが重要です。これにより、データセットを一般公開した Zalando Research にデータが帰属されます。
