はじめる
ライセンスなし

CIFAR-100データセット

CIFAR-100 preview 1
CIFAR-100 preview 2
CIFAR-100 preview 3
CIFAR-100 preview 4
59,974
CIFAR-100
ultralytics
PublicClassify

Tiny 32x32 color photos of fine-grained objects, animals, plants, and scenes, the harder sibling of CIFAR-10 from the University of Toronto. Labeled by Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton from the 80 Million Tiny Images collection; the source also groups classes into coarse superclasses, but only the fine labels are used here. Source: Krizhevsky, "Learning Multiple Layers of Features from Tiny Images," University of Toronto tech report 2009; cs.toronto.edu/~kriz/cifar.html.

100 classes66 MBOct 23, 2026
appleaquarium fishbabybear+96
image-classificationcifar100fine-grained+1

CIFAR-100(カナダ高等研究所)データセットは、100の細分類クラス(各600枚)に均等に分けられ、それらがさらに20の上位クラスにまとめられた、32x32ピクセルのカラー画像60,000枚からなる画像分類ベンチマークです。Alex Krizhevsky氏が作成したこのデータセットには、トレーニング画像50,000枚とテスト画像10,000枚の分割があらかじめ定義されています。CIFAR-10データセットよりも難易度が高く、細かな分類に適した姉妹データセットです。

Ultralytics PlatformのCIFAR-100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-100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-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600枚含まれ、トレーニング用が500枚、テスト用が100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。
  • 100の細分類クラスは、より高レベルの分類に対応するため、20の上位クラスにまとめられています。
  • 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-100は、細粒度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-100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: 100の細分類クラスを20の上位クラスに分類
  • 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500枚)
  • テストセット: 10,000枚(各クラス100枚)
検証セット

CIFAR-100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。data="cifar100"でトレーニングすると、100の細分類クラスを学習します。

用途#

CIFAR-100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。100の細粒度クラスと小さな画像サイズを備えており、機械学習研究、アルゴリズムの比較、コンピュータービジョンの実験において、難易度の高いベンチマークとなります。

使用方法#

画像サイズ32でCIFAR-100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="cifar100", epochs=100, imgsz=32)

サンプル画像とアノテーション#

CIFAR-100データセットのサンプル画像:

CIFAR-100画像分類データセットのサンプル

サンプルはCIFAR-100データセットに含まれる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のトレーニングに多様なデータセットが重要であることを裏付けています。

引用と謝辞#

研究または開発で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。

引用
@TECHREPORT{Krizhevsky09learningmultiple,
            author={Alex Krizhevsky},
            title={Learning multiple layers of features from tiny images},
            institution={},
            year={2009}
}

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にとって貴重なリソースであるCIFAR-100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-100データセットは、細粒度の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。20の上位クラスにグループ化された100クラスにわたる、32x32のカラー画像が60,000枚含まれています。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に対して、CIFAR-10よりも難易度の高いベンチマークとなり、Ultralytics YOLOで構築されたディープラーニングモデルの評価にも利用できます。

  • 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ます。初回使用時にデータセットが自動的にダウンロードされます。引数の一覧については、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="cifar100", epochs=100, imgsz=32)
  • CIFAR-100には、リンゴ、イルカ、カエデ、オートバイ、ロケットなどの細粒度クラスが100個あり、各クラスに画像がちょうど600枚、合計60,000枚含まれています。これらの100クラスは、さらに20の粗粒度の上位クラスに分類されます(たとえば、樹木の上位クラスにはカエデ、オーク、ヤシ、マツ、ヤナギが含まれます)。data="cifar100"を使ったトレーニングでは、100の細粒度クラスが使用されます。

  • CIFAR-100には、トレーニング画像50,000枚とテスト画像10,000枚の事前定義済み分割が含まれ、各クラスにトレーニング画像500枚、テスト画像100枚が割り当てられています。Ultralyticsが自動分割するフォルダベースの分類データセットとは異なり、CIFAR-100では公式の分割をそのまま使用し、デフォルトではトレーニング中にテストセットを検証用分割として使用します。

  • 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-100の実験をクラウドで実行するのに便利です。また、分類データセットの概要で、ほかの選択肢も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。