CIFAR-100 图像分类数据集

原始数据CIFAR-100是一个经典的小尺寸图像分类基准数据集，主要用于计算机视觉、模式识别以及深度学习领域中的图像分类任务研究。该数据集由加拿大高等研究院（Canadian Institute for Advanced Research，CIFAR）支持，多伦多大学机器学习团队整理发布，是CIFAR-10数据集的扩展版本。数据集由Alex Krizhevsky、Vinod Nair和Geoffrey Hinton等研究人员整理和公开。数据集包含60000张彩色图像，图像均为RGB三通道格式，统一裁剪和缩放为32×32像素。整个数据集被划分为训练集和测试集，其中训练集包含50000张图像，测试集包含10000张图像。所有图像共覆盖100个细粒度类别，每个类别包含600张图像，其中500张用于训练，100张用于测试。除细粒度类别外，数据集还提供了20个超类（superclass）作为粗粒度标签，每个超类包含5个子类别。例如“水生哺乳动物”超类中包含beaver、dolphin、otter、seal和whale等五个类别。衍生数据为项目基于CIFAR-100原始数据进行的数据处理、评估方式、方法结果、衍生结论。