Conjunto de datos CIFAR-10
El conjunto de datos CIFAR-10 (Canadian Institute For Advanced Research) es una colección de imágenes muy utilizada para algoritmos de aprendizaje automático y visión por ordenador. Fue desarrollado por investigadores del instituto CIFAR y consta de 60.000 imágenes en color de 32x32 en 10 clases diferentes.
Observa: Cómo entrenar un modelo de clasificación de imágenes con el conjunto de datos CIFAR-10 utilizando Ultralytics YOLOv8
Características principales
- El conjunto de datos CIFAR-10 consta de 60.000 imágenes, divididas en 10 clases.
- Cada clase contiene 6.000 imágenes, divididas en 5.000 para el entrenamiento y 1.000 para las pruebas.
- Las imágenes están coloreadas y tienen un tamaño de 32x32 píxeles.
- Las 10 clases diferentes representan aviones, coches, pájaros, gatos, ciervos, perros, ranas, caballos, barcos y camiones.
- El CIFAR-10 se utiliza habitualmente para entrenar y probar en el campo del aprendizaje automático y la visión por ordenador.
Estructura del conjunto de datos
El conjunto de datos CIFAR-10 se divide en dos subconjuntos:
- Conjunto de entrenamiento: Este subconjunto contiene 50.000 imágenes utilizadas para entrenar modelos de aprendizaje automático.
- Conjunto de pruebas: Este subconjunto consta de 10.000 imágenes utilizadas para probar y evaluar los modelos entrenados.
Aplicaciones
El conjunto de datos CIFAR-10 se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo en tareas de clasificación de imágenes, como redes neuronales convolucionales (CNN), máquinas de vectores de soporte (SVM) y otros algoritmos de aprendizaje automático. La diversidad del conjunto de datos en cuanto a clases y la presencia de imágenes en color lo convierten en un conjunto de datos muy completo para la investigación y el desarrollo en el campo del aprendizaje automático y la visión por ordenador.
Utilización
Para entrenar un modelo YOLO en el conjunto de datos CIFAR-10 durante 100 épocas con un tamaño de imagen de 32x32, puedes utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulta la página Entrenamiento del modelo.
Ejemplo de tren
Ejemplos de imágenes y anotaciones
El conjunto de datos CIFAR-10 contiene imágenes en color de diversos objetos, lo que proporciona un conjunto de datos bien estructurado para tareas de clasificación de imágenes. Aquí tienes algunos ejemplos de imágenes del conjunto de datos:
El ejemplo muestra la variedad y complejidad de los objetos del conjunto de datos CIFAR-10, lo que pone de relieve la importancia de un conjunto de datos diverso para entrenar modelos robustos de clasificación de imágenes.
Citas y agradecimientos
Si utilizas el conjunto de datos CIFAR-10 en tu trabajo de investigación o desarrollo, cita el siguiente documento:
Queremos dar las gracias a Alex Krizhevsky por crear y mantener el conjunto de datos CIFAR-10 como un valioso recurso para la comunidad investigadora del aprendizaje automático y la visión por ordenador. Para más información sobre el conjunto de datos CIFAR-10 y su creador, visita el sitio web del conjunto de datos CIFAR-10.
PREGUNTAS FRECUENTES
¿Cómo puedo entrenar un modelo YOLO en el conjunto de datos CIFAR-10?
Para entrenar un modelo YOLO en el conjunto de datos CIFAR-10 utilizando Ultralytics, puedes seguir los ejemplos proporcionados tanto para Python como para CLI. Aquí tienes un ejemplo básico para entrenar tu modelo para 100 épocas con un tamaño de imagen de 32x32 píxeles:
Ejemplo
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="cifar10", epochs=100, imgsz=32)
Para más detalles, consulta la página de Formación del modelo.
¿Cuáles son las características principales del conjunto de datos CIFAR-10?
El conjunto de datos CIFAR-10 consta de 60.000 imágenes en color divididas en 10 clases. Cada clase contiene 6.000 imágenes, 5.000 para el entrenamiento y 1.000 para las pruebas. Las imágenes tienen un tamaño de 32x32 píxeles y varían en las siguientes categorías:
- Aviones
- Coches
- Pájaros
- Gatos
- Ciervo
- Perros
- Ranas
- Caballos
- Barcos
- Camiones
Este variado conjunto de datos es esencial para entrenar modelos de clasificación de imágenes en campos como el aprendizaje automático y la visión por ordenador. Para más información, visita las secciones del CIFAR-10 sobre la estructura y las aplicaciones del conjunto de datos.
¿Por qué utilizar el conjunto de datos CIFAR-10 para tareas de clasificación de imágenes?
El conjunto de datos CIFAR-10 es una excelente referencia para la clasificación de imágenes debido a su diversidad y estructura. Contiene una mezcla equilibrada de 60.000 imágenes etiquetadas en 10 categorías diferentes, lo que ayuda a entrenar modelos robustos y generalizados. Se utiliza ampliamente para evaluar modelos de aprendizaje profundo, incluidas las redes neuronales convolucionales (CNN) y otros algoritmos de aprendizaje automático. El conjunto de datos es relativamente pequeño, lo que lo hace adecuado para la experimentación rápida y el desarrollo de algoritmos. Explora sus numerosas aplicaciones en la sección de aplicaciones.
¿Cómo está estructurado el conjunto de datos CIFAR-10?
El conjunto de datos CIFAR-10 está estructurado en dos subconjuntos principales:
- Conjunto de entrenamiento: Contiene 50.000 imágenes utilizadas para entrenar modelos de aprendizaje automático.
- Conjunto de pruebas: Consiste en 10.000 imágenes para probar y comparar los modelos entrenados.
Cada subconjunto comprende imágenes categorizadas en 10 clases, con sus anotaciones fácilmente disponibles para el entrenamiento y la evaluación del modelo. Para obtener información más detallada, consulta la sección sobre la estructura del conjunto de datos.
¿Cómo puedo citar el conjunto de datos CIFAR-10 en mi investigación?
Si utilizas el conjunto de datos CIFAR-10 en tus proyectos de investigación o desarrollo, asegúrate de citar el siguiente documento:
@TECHREPORT{Krizhevsky09learningmultiple,
author={Alex Krizhevsky},
title={Learning multiple layers of features from tiny images},
institution={},
year={2009}
}
El reconocimiento a los creadores del conjunto de datos contribuye a apoyar la investigación y el desarrollo continuados en este campo. Para más detalles, consulta la sección de citas y agradecimientos.
¿Cuáles son algunos ejemplos prácticos de utilización del conjunto de datos CIFAR-10?
El conjunto de datos CIFAR-10 se utiliza a menudo para entrenar modelos de clasificación de imágenes, como las Redes Neuronales Convolucionales (CNN) y las Máquinas de Vectores de Soporte (SVM). Estos modelos pueden emplearse en diversas tareas de visión por ordenador, como la detección de objetos, el reconocimiento de imágenes y el etiquetado automatizado. Para ver algunos ejemplos prácticos, consulta los fragmentos de código de la sección de uso.