No license

CIFAR-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カラー画像が100の細粒度クラス（各600枚）に均等に分散された画像分類のベンチマークであり、これらはさらに20の粗いスーパーカテゴリ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枚のテスト画像の事前定義された分割が含まれており、CIFAR-10データセットよりも難易度の高い、より細粒度の兄弟データセットとなっています。

Watch: How to Train an Image Classification Model on CIFAR-100 using Ultralytics YOLO

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、細粒度の画像分類および物体認識研究のための標準的なベンチマークです。

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）

検証用データセット

CIFAR-100には個別の検証フォルダがないため、Ultralyticsで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スプリットとして使用します。data="cifar100"でのトレーニングにより、100の細粒度クラスを学習します。

アプリケーション#

CIFAR-100は、クラシックなConvolutional Neural Networks (CNN)やSupport Vector Machines (SVM)から最新のディープアーキテクチャに至るまで、image classification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個のきめ細かいクラスと小さな画像サイズにより、machine learningの研究、アルゴリズムの比較、およびcomputer visionの実験において要求の厳しいベンチマークとなっています。

使用方法#

画像サイズ32で100エポック、CIFAR-100でYOLOモデルをトレーニングします。利用可能な引数の全リストについては、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。

学習例

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)

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：

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。

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：

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ビジョンの研究コミュニティにとって貴重なリソースとしてCIFAR-100データセットを作成および維持してくださったAlex Krizhevskyに感謝いたします。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。

よくある質問 (FAQ)#

CIFAR-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？#

CIFAR-100データセットは、きめ細かいimage classificationおよび物体認識モデルのトレーニングとベンチマークに広く使用されています。20のスーパーグループに分類された100のクラスにわたる60,000枚の32x32カラー画像が含まれており、Convolutional Neural Networks (CNN)やサポートベクターマシン (SVM)などのアルゴリズム、およびUltralytics YOLOで構築されたdeep learningモデルを評価するための、CIFAR-10よりも挑戦的なベンチマークとなっています。

CIFAR-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。引数の詳細については、モデルのトレーニングページを参照してください。

学習例

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)

CIFAR-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、カエデの木、オートバイ、ロケットなど、100の細粒度クラスがあり、それぞれ正確に600枚の画像が含まれており、合計で60,000枚の画像になります。これら100のクラスはさらに20の粗いスーパーカテゴリにグループ化されています（たとえば、木のスーパーカテゴリにはカエデ、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の細粒度クラスを使用します。

CIFAR-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。

CIFAR-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、大規模なコーディングなしで、データセットの管理、画像分類モデルのトレーニング、およびそれらのデプロイを行うことができます。これはクラウドでCIFAR-100の実験を実行するための便利な方法であり、分類データセットの概要で詳細なオプションを探索できます。

コントリビューター

GLglenn-jocher¹⁵ RAraimbekovm² RIRizwanMunawar² MAMatthewNoyce¹ JKjk4e¹

作成日 2023年11月12日更新日 3 週間前