はじめる
ライセンスなし

CIFAR-10データセット

CIFAR-10 preview 1
CIFAR-10 preview 2
CIFAR-10 preview 3
CIFAR-10 preview 4
60,000
CIFAR-10
ultralytics
PublicClassify

Tiny 32x32 color photos of common vehicles and animals, the classic small-image classification benchmark from the University of Toronto. Collected by Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton as a hand-labeled subset of the 80 Million Tiny Images collection, with balanced, mutually exclusive classes. Source: Krizhevsky, "Learning Multiple Layers of Features from Tiny Images," University of Toronto tech report 2009; cs.toronto.edu/~kriz/cifar.html.

110 classes66 MBOct 23, 2026
airplaneautomobilebirdcat+6
image-classificationcifar10object-recognition+1

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)
検証セット

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。

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)

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。

CIFAR-10画像分類データセットのサンプル

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。

引用
@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データセットは、画像分類モデルや物体認識モデルのトレーニングおよびベンチマークに広く使用されています。10クラスに均等に分布する、32x32のカラー画像が60,000枚含まれています。データセットの規模が小さくクラスのバランスが取れているため、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)などのアルゴリズムを評価するための、高速で信頼性の高いベンチマークとなります。

  • 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。