> ML_DATASET // CIFAR-100_v1.0
CIFAR-100 Dataset (Krizhevsky 2009)
University of Toronto (Alex Krizhevsky) · Computer Vision Education · 60,000 32x32 color images across 100 classes grouped into 20 superclasses
Computer Vision EducationMIT / Open Academic60,000 32x32 color images across 100 classes grouped into 20 superclassesopen
Veri Profili ve Özellikler
Etiket Tipi:Fine class label (100) and coarse superclass label (20)
Diller:en
Lisans Seviyesi:permissive-open-source
Modaliteler:image
Amaçlanan Kullanım (Intended Use)
- İnce taneli sınıflandırma araştırması ve az örnekli temsil öğrenimi kıyaslamaları
Yasaklanan / Kaçınılması Gereken Kullanım
- Yüksek çözünürlüklü doku gerektiren üretim sistemleri
Önyargı, Veri Sızıntısı ve Gizlilik Risk Analizi
Kişisel Veri Riskleri (Privacy Risks):
Küçük 32x32 çözünürlüklü görüntüler; sıfır kişisel veri.
Bilinen Önyargılar (Known Bias):
Düşük 32x32 çözünürlük kısıtı; ince sınıf başına yalnızca 500 eğitim görseli.
Veri Sızıntısı Riski (Known Leakage):
Standartlaştırılmış eğitim/test ayrımı.