Link to this sectionCIFAR-100データセット#

CIFAR-100（Canadian Institute For Advanced Research）データセットは、60,000枚の32x32カラー画像からなる画像分類のベンチマークです。100のファイングレイン（詳細な）クラス（各600枚）に均等に分類されており、それらはさらに20の粗いスーパークラスにグループ化されています。Alex Krizhevskyによって作成され、50,000枚のトレーニング画像と10,000枚のテスト画像が事前に分割されているため、CIFAR-10データセットよりも難易度が高く、より詳細な分類が必要な兄弟データセットとなっています。

Link to this section主な特徴#

• CIFAR-100には、32x32ピクセルのカラー画像が60,000枚含まれており、100のクラスに均等に分割されています。
• 各クラスには正確に600枚の画像（トレーニング用に500枚、テスト用に100枚）が含まれており、データセットは完全にバランスが取れています。
• 100のファイングレインクラスは、より高レベルな分類のために20の粗いスーパークラスにグループ化されています。
• このデータセットにはあらかじめトレーニング用とテスト用の分割が設定されているため、手動または自動で分割を行う必要はありません。
• CIFAR-100は、ファイングレインな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。

Link to this sectionデータセットの構造#

CIFAR-100には公式の事前定義済み分割が含まれているため、自動または手動の分割は不要です：

• クラス: 100のファイングレインクラス（20の粗いスーパークラスにグループ化）
• 合計画像数: 60,000枚（32x32カラー）
• トレーニングセット: 50,000枚の画像（クラスあたり500枚）
• テストセット: 10,000枚の画像（クラスあたり100枚）

Link to this sectionアプリケーション#

CIFAR-100 is widely used to train and evaluate image classification models, from classic Convolutional Neural Networks (CNNs) and Support Vector Machines (SVMs) to modern deep architectures. Its 100 fine-grained classes and small image size make it a demanding benchmark for machine learning research, algorithm comparison, and computer vision experimentation.

Link to this section使用方法#

CIFAR-100でYOLOモデルを100エポック分、画像サイズ32でトレーニングします。利用可能な引数の完全なリストについては、トレーニングページおよび画像分類タスクガイド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="cifar100", epochs=100, imgsz=32)

Link to this sectionサンプル画像とアノテーション#

CIFAR-100データセットからのサンプル画像：

サンプルはCIFAR-100データセット内のオブジェクトの多様性を示しており、堅牢な画像分類モデルをトレーニングするために多様なデータセットが必要であることの重要性を裏付けています。

Link to this section引用と謝辞#

研究や開発作業でCIFAR-100データセットを使用する場合は、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}
}

CIFAR-100データセットを作成し、機械学習およびコンピュータビジョン研究コミュニティにとって貴重なリソースとして維持しているAlex Krizhevsky氏に感謝の意を表します。CIFAR-100データセットとその作成者の詳細については、CIFAR-100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-100データセットは、機械学習において何に使用されますか？#

The CIFAR-100 dataset is widely used to train and benchmark fine-grained image classification and object recognition models. It contains 60,000 32x32 color images across 100 classes grouped into 20 superclasses, making it a more challenging benchmark than CIFAR-10 for algorithms such as Convolutional Neural Networks (CNNs) and Support Vector Machines (SVMs), and for evaluating deep learning models built with Ultralytics YOLO.

Link to this sectionCIFAR-100データセットでUltralytics 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？#

CIFAR-100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てください。データセットは初回使用時に自動的にダウンロードされます。引数の完全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="cifar100", epochs=100, imgsz=32)

Link to this sectionCIFAR-100データセットには何クラスありますか？#

CIFAR-100には、リンゴ、イルカ、カエデ、オートバイ、ロケットなど、100のファイングレインクラスがあり、それぞれに正確に600枚の画像、合計60,000枚の画像が含まれています。これらの100クラスは、さらに20の粗いスーパークラスにグループ化されています（たとえば、樹木のスーパークラスにはカエデ、オーク、ヤシ、マツ、ヤナギが含まれます）。data="cifar100"でのトレーニングでは、100のファイングレインクラスを使用します。

Link to this sectionCIFAR-100データセットはどのようにトレーニングセットとテストセットに分割されていますか？#

CIFAR-100には、50,000枚のトレーニング画像と10,000枚のテスト画像の事前定義済み分割が含まれており、クラスあたり正確に500枚のトレーニング画像と100枚のテスト画像があります。Ultralyticsが自動的に分割を行うフォルダベースの分類データセットとは異なり、CIFAR-100の公式パーティションはそのまま使用され、トレーニング中はテストセットがデフォルトで検証用分割として機能します。

Link to this sectionCIFAR-100データセットでのモデルトレーニングにUltralytics Platformを使用できますか？#

はい。Ultralytics Platformを使用すると、データセットの管理、画像分類モデルのトレーニング、および広範なコーディングなしでのデプロイが可能になります。クラウド上でCIFAR-100の実験を実行するのに便利な方法であり、詳細なオプションは分類データセットの概要で確認できます。