MNISTデータセット#

70,000

MNIST

ultralytics

publicClassify

MNIST is the classic benchmark of 70,000 unique 28 x 28 grayscale handwritten-digit images across classes 0 through 9. Created by Yann LeCun, Corinna Cortes, and Christopher J.C. Burges, it preserves the official 60,000-image train and 10,000-image test splits.

110 classes66.3 MBSep 2, 2026

0123+6

image-classificationmnisthandwritten-digits+1

MNIST（米国国立標準技術研究所の修正版）データセットは、10クラス（数字の0〜9）にわたる、手書き数字の28x28グレースケール画像70,000枚を含む画像分類ベンチマークです。あらかじめ60,000枚のトレーニング画像と10,000枚のテスト画像に分割されており、機械学習やコンピュータービジョンアルゴリズムを評価する標準的なベンチマークとして長年利用されています。より難易度の高い衣類画像版については、関連するFashion-MNISTデータセットを、カラー画像についてはCIFAR-10を参照してください。

Ultralytics Platform上のMNISTを確認すると、サンプルのプレビュー、データセット統計の確認、トレーニング用のクローン作成ができます。

主な機能#

• MNISTには手書き数字のトレーニング画像が60,000枚、テスト画像が10,000枚あり、合計70,000枚です。
• 各画像は1桁の数字を表す28x28のグレースケール画像です。サイズが正規化され、アンチエイリアス処理によって20x20の枠内に収まるように調整され、28x28のフレームの中央に配置されています。
• 10クラスは数字の0〜9で構成され、各クラスの画像数はおおむね均等です。
• トレーニング用とテスト用にあらかじめ分割されているため、手動または自動で分割する必要はありません。
• MNISTは、画像分類とディープラーニングの研究で標準的なベンチマークとして使用されています。

データセットの構成#

MNISTには公式の分割があらかじめ用意されているため、自動または手動で分割する必要はありません。

• クラス: 10（手書き数字の0〜9）
• 画像総数: 70,000枚（28x28グレースケール）
• トレーニングセット: 画像60,000枚
• テストセット: 画像10,000枚

各画像には対応する数字（0〜9）のラベルが付いているため、MNISTは分類タスクに最適な教師ありデータセットです。

用途#

MNISTは、従来の畳み込みニューラルネットワーク（CNNs）やサポートベクターマシン（SVMs）から最新のディープアーキテクチャまで、画像分類モデルのトレーニングと評価に広く使用されています。小さなグレースケール画像と10個の数字クラスで構成されるため、アルゴリズム比較やコンピュータービジョンの実験を、迅速かつ再現性の高い形で行えるベンチマークです。

一般的な用途には、次のようなものがあります。

• 新しい分類アルゴリズムのベンチマーク
• 機械学習の概念を教えるための教育用途
• 画像認識システムのプロトタイピング
• モデル最適化手法のテスト

使用方法#

画像サイズを28に設定し、YOLO分類モデルをMNISTで100エポックトレーニングします。初回使用時にデータセットは自動的にダウンロードされ、キャッシュされます。前処理を完全に制御したい場合は、元のgzipアーカイブをMNISTデータベースから入手することもできます。利用可能な引数の全一覧については、トレーニングページと画像分類タスクガイドを参照してください。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("yolo26n-cls.pt")  # 事前トレーニング済みモデルを読み込みます（トレーニングにはこちらを推奨します）

# モデルをトレーニングする
results = model.train(data="mnist", epochs=100, imgsz=28)

yolo classify train data=mnist160 model=yolo26n-cls.pt epochs=5 imgsz=28

サンプル画像とアノテーション#

MNISTデータセットのサンプル画像:

サンプルからは、10個の数字クラスにわたってデータセットが捉えている手書きスタイルの幅広さがわかります。

引用と謝辞#

研究または開発でMNISTデータセットを使用する場合は、次の論文を引用してください。

@article{lecun2010mnist,
         title={MNIST handwritten digit database},
         author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
         journal={ATT Labs [Online]},
         volume={2},
         year={2010}
}

MNISTデータセットを作成・管理し、機械学習およびコンピュータービジョンの研究コミュニティに貴重なリソースを提供しているYann LeCun、Corinna Cortes、Christopher J.C. Burgesに謝意を表します。MNISTデータセットとその作成者の詳細については、MNISTデータセットのウェブサイトをご覧ください。

よくある質問#