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（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。

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、画像分類や物体認識の研究で標準的なベンチマークとして使用されています。

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）

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学習に最適です。

使用方法#

CIFAR-10でYOLOモデルをトレーニングするには、画像サイズを32に設定し、100エポック実行します。使用できる引数の全一覧については、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

# 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、よく整理されたデータセットです。データセット内の画像例を以下に示します。

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}
}

貴重なリソースとしてCIFAR-10データセットを作成・管理されたAlex Krizhevsky氏に感謝いたします。機械学習およびコンピュータービジョンの研究コミュニティに向けたCIFAR-10データセットと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。

よくある質問#