CIFAR-10データセット#

60,000

CIFAR-10

ultralytics

publicClassify

CIFAR-10 is Krizhevsky, Nair, and Hinton's canonical benchmark of 60,000 balanced 32 x 32 RGB images. Ten classes cover airplanes, automobiles, birds, cats, deer, dogs, frogs, horses, ships, and trucks in the official training and test split.

10 classes66 MBSep 2, 2026

airplaneautomobilebirdcat+6

image-classificationcifar10object-recognition+1

CIFAR-10（Canadian Institute For Advanced Research）データセットは、60,000枚の32x32カラー画像を10クラスに均等分割した、古典的な画像分類ベンチマークです。航空機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラックの10クラスで構成されています。あらかじめ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6,000枚）に分割されているため、分類モデルのトレーニングやベンチマークを始めるための、軽量でバランスの良いデータセットです。さらに細かい分類に挑戦する場合は、関連するCIFAR-100データセットをご覧ください。

Ultralytics Platform上のCIFAR-10でサンプルをプレビューし、データセットの統計情報を確認して、トレーニング用にクローンできます。

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クラスに均等に分けられています。
• 各クラスには正確に6,000枚の画像が含まれています。そのうち5,000枚がトレーニング用、1,000枚がテスト用であるため、データセットは完全にバランスが取れています。
• 10クラスは、航空機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラックです。
• データセットにはあらかじめtrain/test分割が含まれているため、手動または自動で分割する必要はありません。
• CIFAR-10は、画像分類および物体認識の研究で標準的に使用されるベンチマークです。

データセットの構成#

CIFAR-10には公式の事前定義済み分割が含まれているため、自動または手動でパーティション分割する必要はありません。

• クラス: 10（航空機、自動車、鳥、猫、鹿、犬、カエル、馬、船、トラック）
• 画像の合計: 60,000（32x32カラー）
• トレーニングセット: 50,000枚（クラスあたり5,000枚）
• テストセット: 10,000枚（クラスあたり1,000枚）

アプリケーション#

CIFAR-10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。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、新しいアルゴリズムの迅速な実験やベンチマーク、コンピュータービジョンの基礎教育に適しています。

使用方法#

画像サイズ32で、CIFAR-10上でYOLOモデルを100エポックトレーニングします。利用可能な引数の一覧については、トレーニングページと画像分類タスクガイドをご覧ください。

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)

サンプル画像とアノテーション#

CIFAR-10データセットにはさまざま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、構造化されたデータセットです。以下にデータセットの画像例を示します。

サンプルからは、CIFAR-10データセットに含まれる物体の多様性が分かります。多様なデータセットが、堅牢な画像分類モデルのトレーニングに有用であることを示しています。

引用と謝辞#

研究または開発作業で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}
}

CIFAR-10データセットを作成・保守し、機械学習およびコンピュータービジョン研究コミュニティーに貴重なリソースを提供したAlex Krizhevskyに謝意を表します。CIFAR-10データセットとその作成者の詳細については、CIFAR-10データセットのウェブサイトをご覧ください。

FAQ#