CIFAR-100是一个包含60,000张32x32彩色图像的数据集，涵盖100个类别，每个类别有600张图像。它是80 Million Tiny Images数据集的标注子集，由加拿大高等研究院（Canadian Institute For Advanced Research）的研究人员于2009年发布。该数据集通常用于训练和评估机器学习和计算机视觉算法，尤其是深度学习模型。其低分辨率使研究人员能够在扩展到更大数据集之前快速测试不同方法。
这100个类别被分为20个超类。例如，超类“水生哺乳动物”包括海狸、海豚、水獭、海豹和鲸鱼。每张图像有两个标签：细粒度标签（具体类别）和粗粒度标签（超类）。这种结构支持细粒度分类和分层学习任务。数据集分为50,000张训练图像和10,000张测试图像，每个类别有500张训练图像和100张测试图像。
历史与创建
CIFAR-100于2009年与CIFAR-10一同推出。图像来源于80 Million Tiny Images数据集，这是一个从网络上收集的低分辨率图像集合。学生被付费来标注图像，以确保准确的基准真相。该数据集的创建旨在提供比仅有10个类别的CIFAR-10更具挑战性的替代方案。类别数量的增加提高了分类任务的难度，使CIFAR-100成为评估神经网络架构的标准基准。
在机器学习中的应用
CIFAR-100广泛用于机器学习研究中的图像分类、物体识别和迁移学习等任务。研究人员常使用它来比较不同人工智能模型的性能。卷积神经网络（CNN）在CIFAR-100上往往能达到最佳结果，与CIFAR-10类似。该数据集也用于基准测试计算效率，团队在AWS Trainium或Cerebras等硬件上竞争以更快、更便宜地训练模型。
基准与最新成果
许多研究论文报告了CIFAR-100上的最新成果，但比较因图像翻转、平移和数据增强等不同预处理技术而变得复杂。一些模型的错误率低于10%，但具体排名取决于实验设置。该数据集也是DAWNBench基准套件的一部分，用于训练和推理性能评估。近年来，Transformer模型和先进CNN表现出强劲性能，但没有单一架构占据主导地位。
相关数据集
CIFAR-100是类似数据集家族的一部分。CIFAR-10有10个类别，每个类别有6,000张图像。CIFAR-10H为CIFAR-10图像提供人类感知不确定性标签。ImageNet（ILSVRC）包含超过一百万张更高分辨率的图像，涵盖1,000个类别。街景房屋号码（SVHN）数据集包含32x32的彩色数字图像。80 Million Tiny Images数据集是CIFAR两个变体的来源。这些数据集共同支持计算机视觉和深度学习领域的研究。
参见
- MNIST数据库
- 机器学习研究数据集列表