No license

CIFAR-10 データセット#

CIFAR-10（Canadian Institute For Advanced Research）データSetは、飛行機、自動車、鳥、猫、シカ、犬、カエル、馬、船、トラックの10クラスに均等に分割された60,000枚の32x32カラー画像から構成される、古典的なimage classificationのベンチマークです。50,000枚のトレーニング画像と10,000枚のテスト画像（1クラスあたり6,000枚）の事前定義された分割が含まれており、分類モデルのトレーニングとベンチマークのための軽量でバランスの取れた出発点となります。よりきめ細かい課題については、関連するCIFAR-100データSetをご覧ください。

Watch: How to Train an Image Classification Model with CIFAR-10 Dataset using Ultralytics YOLO

主な特徴#

CIFAR-10には、32x32ピクセルのカラー画像が60,000枚含まれており、10のクラスに均等に分割されています。
各クラスには正確に6,000枚の画像（トレーニング用に5,000枚、テスト用に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。
10のクラスは、飛行機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラックです。
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。
CIFAR-10は、image classificationおよび物体認識の研究における標準的なベンチマークです。

データセットの構造#

CIFAR-10には公式にあらかじめ設定された分割が含まれているため、自動または手動でのパーティション設定は不要です。

クラス: 10（飛行機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラック）
合計画像数: 60,000枚（32x32カラー）
トレーニングセット: 50,000枚（各クラス5,000枚）
テストセット: 10,000枚（各クラス1,000枚）

検証用データセット

CIFAR-10には個別の検証用フォルダがないため、Ultralyticsではデフォルトで10,000枚のテストセットをトレーニング時の検証用データとして使用します。

アプリケーション#

CIFAR-10は、クラシックなConvolutional Neural Networks（CNN）やSupport Vector Machines（SVM）から最新のディープなアーキテクチャに至るまで、image classificationモデルのトレーニングと評価に広く使用されています。画像サイズが小さくクラスのバランスが取れているため、迅速な実験、新しいアルゴリズムのベンチマーク、およびcomputer visionの基礎の学習に最適です。

使用方法#

Image size 32で100epochs、CIFAR-10でYOLOモデルをトレーニングします。利用可能な引数の完全なリストについては、Trainingページおよびimage classificationタスクガイドをご覧ください。

学習例

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="cifar10", epochs=100, imgsz=32)

サンプル画像とアノテーション#

CIFAR-10データSetにはさまざまなオブジェクトのカラー画像が含まれており、image classificationタスク用に構造化されたデータSetを提供します。以下に、データSetからの画像のいくつかの例を示します。

CIFAR-10 image classification dataset samples

これらのサンプルは、CIFAR-10データセットに含まれる物体の多様性を示しており、堅牢な画像分類モデルをトレーニングするために多様なデータセットが重要であることを裏付けています。

引用と謝辞#

研究や開発の成果物で CIFAR-10 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。

引用

@TECHREPORT{Krizhevsky09learningmultiple,
            author={Alex Krizhevsky},
            title={Learning multiple layers of features from tiny images},
            institution={},
            year={2009}
}

machine learningおよびcomputer visionの研究コミュニティにとって貴重なリソースとしてCIFAR-10データSetを作成および維持してくださったAlex Krizhevsky氏に感謝いたします。CIFAR-10データSetとその作成者の詳細については、CIFAR-10 dataset websiteをご覧ください。

よくある質問 (FAQ)#

CIFAR-10データセットは機械学習において何に使用されますか？#

CIFAR-10データSetは、image classificationおよび物体認識モデルのトレーニングとベンチマークに広く使用されています。10クラスに均等に分散された60,000枚の32x32カラー画像が含まれており、その小さなサイズとバランスの取れたクラスにより、Convolutional Neural Networks（CNN）やSupport Vector Machines（SVM）などのアルゴリズム向けの高速度で信頼性の高いベンチマークとなっています。

CIFAR-10データセットでUltralytics 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？#

CIFAR-10でUltralytics YOLO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してください。データSetは初回使用時に自動的にダウンロードされます。引数の完全なリストについては、モデルのTrainingページをご覧ください。

学習例

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="cifar10", epochs=100, imgsz=32)

CIFAR-10データセットにはいくつのクラスがありますか？#

CIFAR-10には10のクラス（飛行機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラック）があり、各クラスに正確に6,000枚、合計で60,000枚の画像が含まれています。各クラスは相互排他的で、カテゴリ間に重なりはなく、完全にバランスが取れています。

CIFAR-10データセットはどのようにトレーニングセットとテストセットに分割されていますか？#

CIFAR-10には、50,000枚のトレーニング画像と10,000枚のテスト画像（各クラス5,000枚のトレーニング用、1,000枚のテスト用）というあらかじめ定義された分割が含まれています。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、CIFAR-10の公式パーティションはそのまま使用され、デフォルトでテストセットがトレーニング中の検証用データとして機能します。

CIFAR-10データセットでのモデルトレーニングにUltralytics Platformを使用できますか？#

はい。Ultralytics Platformを使用すると、複雑なコーディングを行うことなく、データSetの管理、image classificationモデルのトレーニング、およびそれらのデプロイを行うことができます。これはクラウドでCIFAR-10の実験を実行する便利な方法であり、classification datasets overviewでその他のオプションを探索できます。

貢献者

GLglenn-jocher¹³ RIRizwanMunawar² JKjk4e² RAraimbekovm¹ MAMatthewNoyce¹ AMambitious-octopus¹

作成日 2023年11月12日更新日 3 週間前