コンテンツへスキップ

CIFAR-100 データセット

CIFAR-100（CanadianInstitute For Advanced Research）データセットは、CIFAR-10データセットを大幅に拡張したもので、100の異なるクラスに分類された60,000枚の32x32カラー画像で構成されている。これはCIFAR研究所の研究者によって開発され、より複雑な機械学習とコンピュータビジョンのタスクのために、より挑戦的なデータセットを提供する。

主な特徴

  • CIFAR-100データセットは60,000枚の画像からなり、100のクラスに分類されている。
  • 各クラスには600枚の画像が含まれ、トレーニング用に500枚、テスト用に100枚に分けられる。
  • 画像はカラーで、サイズは32x32ピクセル。
  • 100の異なるクラスは、より高度な分類のために20の粗いカテゴリーに分類される。
  • CIFAR-100は、機械学習やコンピュータビジョンの分野でのトレーニングやテストによく使用される。

データセット構造

CIFAR-100データセットは2つのサブセットに分かれている：

  1. トレーニングセット：このサブセットには、機械学習モデルの学習に使用される50,000枚の画像が含まれている。
  2. テストセット：このサブセットは、学習済みモデルのテストとベンチマークに使用される10,000枚の画像で構成される。

アプリケーション

CIFAR-100データセットは、畳み込みニューラルネットワーク(CNN)、サポートベクターマシン(SVM)、その他様々な機械学習アルゴリズムなど、画像分類タスクにおけるディープラーニングモデルの学習や評価に広く利用されている。このデータセットのクラスの多様性とカラー画像の存在により、機械学習とコンピュータビジョンの分野における研究開発にとって、より挑戦的で包括的なデータセットとなっている。

使用方法

CIFAR-100データセットでYOLO モデルを画像サイズ32x32で100エポック学習させるには、以下のコードスニペットを使用します。利用可能な引数の包括的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。

列車の例

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-cls.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='cifar100', epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo detect train data=cifar100 model=yolov8n-cls.pt epochs=100 imgsz=32

サンプル画像と注釈

CIFAR-100データセットには様々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データセットとなっている。このデータセットに含まれる画像の例をいくつか示します：

データセットサンプル画像

この例は、CIFAR-100データセットに含まれるオブジェクトの多様性と複雑性を示しており、ロバストな画像分類モデルを学習するための多様なデータセットの重要性を強調している。

引用と謝辞

CIFAR-100データセットを研究開発で使用する場合は、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データセットを機械学習とコンピュータビジョンの研究コミュニティのための貴重なリソースとして作成し、維持しているAlex Krizhevsky氏に感謝したい。CIFAR-100データセットとその作成者についての詳細は、CIFAR-100データセットのウェブサイトをご覧ください。



作成日：2023-11-12 更新日：2023-11-22
作成者：glenn-jocher(3)

コメント