ファッション-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例のトレーニングセットと10,000例のテストセットから構成されている。各例は28x28のグレースケール画像で、10のクラスからのラベルと関連付けられている。Fashion-MNISTは、機械学習アルゴリズムのベンチマーク用のオリジナルのMNISTデータセットの直接的な置き換えとしての役割を果たすことを意図している。

見るんだ： どうすればいいのか画像分類ファッションMNISTデータセットUltralytics YOLO11

主な特徴

Fashion-MNISTには、Zalandoの記事画像のトレーニング画像60,000枚とテスト画像10,000枚が含まれている。
データセットは28x28ピクセルのグレースケール画像からなる。
各ピクセルには、そのピクセルの明暗を示す1つ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する。このピクセル値は0から255までの整数である。
Fashion-MNISTは、機械学習の分野、特に画像分類タスクの訓練とテストに広く使用されている。

データセット構造

Fashion-MNISTデータセットは2つのサブセットに分かれている：

トレーニングセット：このサブセットには、機械学習モデルの学習に使用される60,000枚の画像が含まれている。
テストセット：このサブセットは、学習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る。

ラベル

各トレーニング例とテスト例は、以下のラベルのいずれかに割り当てられる：

Tシャツ／トップス
ズボン
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

アプリケーション

Fashion-MNISTデータセットは、CNN（Convolutional Neural Networks）、SVM（Support Vector Machines）、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ディープラーニング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で構造化されたフォーマットは、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家にとって不可欠なリソースとなっています。

使用方法

Fashion-MNISTデータセットで画像サイズ28x28のCNNモデルを100エポック学習させるには、以下のコード・スニペットを使います。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のページを参照してください。

列車の例

PythonCLI

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

サンプル画像と注釈

Fashion-MNISTデータセットには、Zalandoの記事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ています。以下にデータセットからの画像の例を示します：

データセットサンプル画像

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性を示しており、ロバスト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重要性を強調している。

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リポジトリにリンクすることで、データセットへの謝辞をお願いします。このデータセットはZalando Researchによって提供されました。

よくあるご質問

Fashion-MNISTデータセットとはどのようなもので、MNISTとどのように違うのですか？

Fashion-MNISTデータセットは、Zalandoの記事画像の70,000グレースケール画像のコレクションであり、オリジナルのMNISTデータセットの現代的な置き換えを意図している。画像分類タスクの文脈における機械学習モデルのベンチマークとして機能する。手書きの数字が含まれるMNISTとは異なり、Fashion-MNISTは28x28ピクセルの画像で構成され、T-shirt/top、trouser、ankle bootなど10のファッション関連クラスに分類されている。

Fashion-MNISTデータセットでYOLO モデルをトレーニングするには？

Fashion-MNIST データセットでUltralytics YOLO モデルを学習するには、Python とCLI の両方のコマンドを使うことができます。以下に簡単な例を示す：

列車の例

PythonCLI

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

より詳細なトレーニングパラメーターについては、トレーニングの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データセットを使うべき理由は？

Fashion-MNISTデータセットは、MNISTに代わる堅牢なデータセットとしてディープラーニングコミュニティで広く認知されている。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な選択肢となっている。このデータセットは、60,000枚のトレーニング画像と10,000枚のテスト画像から構成され、それぞれ10個のクラスのうちの1つでラベル付けされています。

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 、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。YOLO11例えば、「Fashion-MNIST」は、検出、セグメンテーション、分類などの様々な視覚タスクをサポートしています。画像分類タスクを始めるには、分類の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？

Fashion-MNISTデータセットは、60,000枚のトレーニング画像と10,000枚のテスト画像の2つのサブセットに分かれている。各画像は28x28ピクセルのグレースケール画像で、10種類のファッション関連クラスのうちの1つを表している。シンプルで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のタスクにおけるモデルの訓練や評価に最適です。データセット構造の詳細については、データセット構造のセクションを参照してください。