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

Fashion-MNISTデータセットは、Zalandoの衣料品画像データベースであり、60,000枚のトレーニングセットと10,000枚のテストセット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のクラスラベルのいずれかが付与されています。Fashion-MNISTは、機械学習アルゴリズムのベンチマークにおいて、元のMNISTデータセットの直接的な代替品として機能することを意図しています。

Link to this section主な特徴#

• Fashion-MNISTには、Zalandoの衣料品画像からなる60,000枚のトレーニング画像と10,000枚のテスト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までの整数です。
• Fashion-MNISTは、機械学習の分野、特に画像分類タスクのトレーニングやテストに広く利用されています。

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。

Link to this sectionラベル#

各トレーニングおよびテストのサンプルには、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

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）、その他さまざまな機械学習アルゴリズムといった画像分類タスクにおいて、ディープラーニングモデルのトレーニングおよび評価に広く使用されています。シンプルで適切に構造化されたデータセットの形式は、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#

Fashion-MNISTデータセットを使用して、画像サイズ28x28で100エポックの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の衣料品画像のグレースケール画像が含まれており、画像分類タスク用に適切に構造化されたデータセットを提供しています。データセットの画像例をいくつか紹介します：

この例は、Fashion-MNISTデータセット内の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#

研究や開発作業で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貼り、データセットについて言及してください。このデータセットはZalando Researchによって公開されました。

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、元のMNISTデータセットの現代的な代替品として意図された、Zalandoの衣料品画像70,000枚のコレクションです。これは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、ズボン、アンクルブーツなどの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？#

Fashion-MNISTデータセットでUltralytics YOLOモデルを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。以下に、開始するための簡単な例を示します：

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)

詳細なトレーニング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。

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、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しており、画像分類モデルのベンチマークに最適です。60,000枚のトレーニング画像と10,000枚のテスト画像で構成され、それぞれが10のクラスのいずれかにラベル付けされているというデータセットの構造は、より挑戦的な環境でさまざまな機械学習アルゴリズムの性能を評価するのに最適です。

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、回転物体検出など、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。

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。シンプルで適切に構造化された形式であるため、機械学習やコンピュータビジョンタスクでのモデルのトレーニングや評価に最適です。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。

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明記すればよいですか？#

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貼って明記することが重要です。これは、データセットを一般公開したZalando Researchにデータの帰属を示すのに役立ちます。