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

The Fashion-MNIST dataset is an image classification benchmark of 70,000 28x28 grayscale images of Zalando's clothing articles, evenly split across 10 classes — T-shirt/top, trouser, pullover, dress, coat, sandal, shirt, sneaker, bag, and ankle boot. It ships with a predefined split of 60,000 training and 10,000 test images (7,000 per class) and serves as a drop-in replacement for the original MNIST dataset for benchmarking machine learning algorithms. For the color-image equivalent, see the related CIFAR-10 dataset.

Link to this section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における標準的なベンチマークです。

Link to this section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）

Link to this sectionアプリケーション#

Fashion-MNIST is widely used to train and evaluate image classification models, from classic Convolutional Neural Networks (CNNs) and Support Vector Machines (SVMs) to modern deep architectures. Its small grayscale images and 10 clothing categories make it a fast, reproducible benchmark for algorithm comparison and computer vision experimentation, while being more challenging than the handwritten digits of MNIST.

Link to this section使用方法#

YOLOモデルをFashion-MNIST上で100エポック、画像サイズ28で学習させます。利用可能な引数の全リストについては、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データセットのサンプル画像:

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。

Link to this section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。

@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研究コミュニティにとって貴重なリソースであるFashion-MNISTデータセットを作成・維持しているZalando Researchに感謝いたします。Fashion-MNISTデータセットとその作成者に関する詳細については、Fashion-MNIST GitHubリポジトリをご覧ください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionFashion-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の衣料品画像70,000枚（28x28、グレースケール）を用いた10クラスのベンチマークであり、オリジナルのMNISTデータセットの代替として作成されました。MNISTと全く同じ画像サイズ、フォーマット、60,000/10,000の学習/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、トラウザー、アンクルブーツといった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。

Link to this sectionUltralytics 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？#

Ultralytics YOLOモデルをFashion-MNISTで学習させるには、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。引数の全リストについては、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 sectionFashion-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。

Link to this sectionFashion-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。

Link to this sectionFashion-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、データセットの管理、画像分類モデルの学習、および大規模なコーディングを必要としないデプロイが可能です。クラウドでFashion-MNISTの実験を行う便利な方法であり、詳細については分類データセットの概要で他のオプションを確認できます。