Link to this sectionCIFAR-10 データセット#
CIFAR-10 (Canadian Institute For Advanced Research) データセットは、機械学習やコンピュータビジョンのアルゴリズムで広く使用されている画像集です。CIFAR研究所の研究者によって開発され、10種類のクラスに分類された60,000枚の32x32ピクセルのカラー画像で構成されています。
Link to this section主な特徴#
- CIFAR-10 データセットは60,000枚の画像で構成されており、10のクラスに分けられています。
- 各クラスには6,000枚の画像が含まれており、トレーニング用に5,000枚、テスト用に1,000枚に分割されています。
- 画像はカラーで、サイズは32x32ピクセルです。
- 10種類のクラスは、飛行機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラックを表しています。
- CIFAR-10 は、機械学習およびコンピュータビジョンの分野におけるトレーニングやテストによく使用されます。
Link to this sectionデータセットの構造#
CIFAR-10 データセットは2つのサブセットに分かれています。
- 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50,000枚の画像が含まれています。
- 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アプリケーション#
CIFAR-10 データセットは、ディープラーニングモデルを画像分類タスクでトレーニングおよび評価するために広く使用されており、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)、その他様々な機械学習アルゴリズムなどが含まれます。クラスの多様性とカラー画像の存在により、このデータセットは機械学習およびコンピュータビジョンの分野における研究開発に適したバランスの取れたものとなっています。
Link to this section使用方法#
CIFAR-10 データセットを使用して、32x32の画像サイズで100 エポックの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="cifar10", epochs=100, imgsz=32)Link to this sectionサンプル画像とアノテーション#
CIFAR-10 データセットには様々な物体のカラー画像が含まれており、画像分類タスクに適した構造化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、CIFAR-10 データセットに含まれる物体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。
@TECHREPORT{Krizhevsky09learningmultiple,
author={Alex Krizhevsky},
title={Learning multiple layers of features from tiny images},
institution={},
year={2009}
}機械学習およびコンピュータビジョンの研究コミュニティにとって貴重なリソースである CIFAR-10 データセットを作成・維持してくださった Alex Krizhevsky 氏に感謝いたします。CIFAR-10 データセットとその作成者に関する詳細については、CIFAR-10 データセットのウェブサイトをご覧ください。
Link to this sectionよくある質問 (FAQ)#
Link to this sectionCIFAR-10 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？#
Ultralytics を使用して CIFAR-10 データセットでYOLOモデルをトレーニングするには、PythonおよびCLIで提供されている例に従うことができます。32x32ピクセルの画像サイズで100エポックのモデルをトレーニングする基本的な例は以下の通りです。
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)詳細については、モデルのトレーニングページを参照してください。
Link to this sectionCIFAR-10 データセットの主な特徴は何ですか？#
CIFAR-10 データセットは、10のクラスに分割された60,000枚のカラー画像で構成されています。各クラスには6,000枚の画像が含まれており、そのうち5,000枚がトレーニング用、1,000枚がテスト用です。画像のサイズは32x32ピクセルで、以下のカテゴリーに分かれています。
- 飛行機
- 自動車
- 鳥
- 猫
- 鹿
- 犬
- カエル
- 馬
- 船
- トラック
この多様なデータセットは、機械学習やコンピュータビジョンなどの分野で画像分類モデルをトレーニングするために不可欠です。詳細については、データセット構造およびアプリケーションのセクションをご覧ください。
Link to this sectionなぜ画像分類タスクに CIFAR-10 データセットを使用するのですか？#
CIFAR-10 データセットは、その多様性と構造から画像分類の優れたベンチマークとなっています。10種類のカテゴリーにわたる60,000枚のラベル付き画像がバランスよく含まれており、堅牢で汎用性の高いモデルのトレーニングに役立ちます。これは、畳み込みニューラルネットワーク (CNN) やその他の機械学習アルゴリズムを含む、ディープラーニングモデルの評価に広く使用されています。データセットは比較的サイズが小さいため、迅速な実験やアルゴリズム開発に適しています。アプリケーションセクションでその多数の応用例を確認してください。
Link to this sectionCIFAR-10 データセットはどのように構成されていますか？#
CIFAR-10 データセットは、2つの主要なサブセットで構成されています。
- トレーニングセット: 機械学習モデルのトレーニングに使用される50,000枚の画像が含まれています。
- テストセット: 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。
各サブセットは10のクラスに分類された画像で構成されており、モデルのトレーニングと評価に必要なアノテーションがすぐに利用できます。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 CIFAR-10 データセットを引用するにはどうすればよいですか？#
研究や開発プロジェクトで CIFAR-10 データセットを使用する場合は、必ず次の論文を引用してください。
@TECHREPORT{Krizhevsky09learningmultiple,
author={Alex Krizhevsky},
title={Learning multiple layers of features from tiny images},
institution={},
year={2009}
}データセット作成者を明記することは、分野における継続的な研究開発を支援することにつながります。詳細は、引用および謝辞セクションを参照してください。
Link to this sectionCIFAR-10 データセットを使用した実用的な例にはどのようなものがありますか？#
CIFAR-10 データセットは、畳み込みニューラルネットワーク (CNN) やサポートベクターマシン (SVM) などの画像分類モデルのトレーニングによく使用されます。これらのモデルは、物体検出、画像認識、自動タグ付けを含む様々なコンピュータビジョンタスクに応用できます。実用的な例を見るには、使用方法セクションのコードスニペットを確認してください。