Fashion-MNISTデータセット

Fashion-MNISTデータセットは、Zalandoの製品画像データベースであり、60,000枚の学習用データと10,000枚のテスト用データ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、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データセットの直接的な代替として使用されることを目的としています。

主な特徴

• Fashion-MNISTには、Zalandoの製品画像である60,000枚の学習用画像と10,000枚のテスト用画像が含まれています。
• 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割り当てられており、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までの整数です。
• Fashion-MNISTは、機械学習の分野において、特に画像分類タスクの学習やテストに広く利用されています。

データセットの構造

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

1. 学習セット: このサブセットには、機械学習モデルの学習に使用される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枚の画像で構成されています。

ラベル

各学習用およびテスト用サンプルには、以下のいずれかのラベルが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

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）、その他さまざまな機械学習アルゴリズムなどの画像分類タスクにおいて、ディープラーニングモデルの学習と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の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。

使用方法

28x28の画像サイズでFashion-MNISTデータセットを使用して100 エポック分CNNモデルを学習させるには、以下のコードスニペットを使用します。利用可能な引数の詳細なリストについては、モデルの学習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)

サンプル画像とアノテーション

Fashion-MNISTデータセットには、画像分類タスクに適した、構造化されたZalandoの製品のグレースケール画像が含まれています。以下は、データセット内の画像例です：

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さを示しており、堅牢な画像分類モデルを学習させるために多様なデータセットが重要であることを強調しています。

謝辞

研究や開発の過程で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データセットを引用してください。このデータセットはZalando Researchによって公開されました。

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データセットの現代的な代替品として意図された、Zalandoの製品画像である70,000枚のグレースケール画像のコレクションです。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、トラウザー、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。

Fashion-MNISTデータセットでYOLOモデルを学習させ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。以下は、すぐに始められる簡単な例です：

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)

学習パラメータの詳細については、学習ページを参照してください。

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、ディープラーニングコミュニティにおいて、MNISTの堅牢な代替品として広く認められています。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に最適です。60,000枚の学習用画像と10,000枚のテスト用画像からなり、それぞれが10クラスのいずれかにラベル付けされているという構造により、より困難な状況下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適しています。

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。例えばYOLO26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、分類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枚の学習用画像と10,000枚のテスト用画像の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。そのシンプルで構造化された形式は、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学習と評価に理想的です。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。

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引用することが重要です。これにより、データセットを一般公開したZalando Researchに対する適切な帰属表示が可能となります。