CIFAR-10データセット
CIFAR-10(カナダ高等研究所)データセットは、10クラス(飛行機、自動車、鳥、猫、シカ、犬、カエル、馬、船、トラック)に均等に分けられた、32x32ピクセルのカラー画像60,000枚からなる定番の画像分類ベンチマークです。トレーニング画像50,000枚とテスト画像10,000枚(各クラス6,000枚)にあらかじめ分割されているため、軽量でバランスの取れた分類モデルのトレーニングやベンチマークに適したデータセットです。より細かな分類に挑戦するには、関連するCIFAR-100データセットをご覧ください。
Ultralytics PlatformのCIFAR-10では、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。
視聴: Ultralytics YOLOでCIFAR-10データセットを使用して画像分類モデルをトレーニングする方法
主な機能#
- 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。
- 各クラスには画像が正確に6,000枚含まれ、トレーニング用が5,000枚、テスト用が1,000枚です。そのため、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、飛行機、自動車、鳥、猫、シカ、犬、カエル、馬、船、トラックです。
- データセットにはトレーニング/テストの分割があらかじめ定義されているため、手動または自動で分割する必要はありません。
- CIFAR-10は、画像分類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。
データセットの構成#
CIFAR-10には公式の分割があらかじめ定義されているため、自動または手動で分割する必要はありません。
- クラス数: 10(飛行機、自動車、鳥、猫、シカ、犬、カエル、馬、船、トラック)
- 画像の合計数: 60,000枚(32x32ピクセルのカラー画像)
- 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)
CIFAR-10には独立した検証用フォルダーがないため、Ultralyticsはデフォルトで、トレーニング中に10,000枚のテストセットを検証用データとして使用します。
用途#
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試行、ベンチマーク、コンピュータービジョンの基礎教育に最適です。
使用方法#
画像サイズ32でCIFAR-10を使用し、100エポックにわたってYOLO26n-clsモデルをトレーニングします。
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="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を提供します。以下に、データセット内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わかります。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#
CIFAR-10データセットを研究または開発に使用する場合は、以下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}
}機械学習とコンピューター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に感謝します。
よくある質問#
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ます。データセットは初回使用時に自動でダウンロードされます。引数の全一覧については、モデルのトレーニングページをご覧ください。
トレーニング例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="cifar10", epochs=100, imgsz=32)CIFAR-10には10クラス(飛行機、自動車、鳥、猫、シカ、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60,000枚の画像が含まれています。クラスは相互に排他的で、完全にバランスが取れており、カテゴリ間に重複はありません。
CIFAR-10には、トレーニング画像50,000枚とテスト画像10,000枚に分けられたデータセットが付属し、各クラスの画像数はトレーニング用が正確に5,000枚、テスト用が1,000枚です。Ultralyticsが自動分割するフォルダーベースの分類データセットとは異なり、CIFAR-10では公式の分割をそのまま使用し、デフォルトでトレーニング中にテストセットを検証用データとして使用します。
はい。Ultralytics Platformでは、データセットの管理、画像分類モデルのトレーニング、モデルのデプロイを、複雑なコーディングなしで行えます。CIFAR-10の実験をクラウドで実行する便利な方法です。また、分類データセットの概要で、さらに多くの選択肢をご確認いただけます。
コメント
質問したり、結果を共有したり、ほかの人をサポートしたりできます。



