Link to this sectionConjunto de datos CIFAR-100#

El conjunto de datos CIFAR-100 (Canadian Institute For Advanced Research) es una extensión significativa del conjunto de datos CIFAR-10, compuesto por 60.000 imágenes en color de 32x32 píxeles en 100 clases diferentes. Fue desarrollado por investigadores del instituto CIFAR, ofreciendo un conjunto de datos más desafiante para tareas más complejas de aprendizaje automático y visión por ordenador.

Link to this sectionCaracterísticas clave#

• El conjunto de datos CIFAR-100 consta de 60.000 imágenes, divididas en 100 clases.
• Cada clase contiene 600 imágenes, divididas en 500 para entrenamiento y 100 para pruebas.
• Las imágenes son a color y tienen un tamaño de 32x32 píxeles.
• Las 100 clases diferentes están agrupadas en 20 categorías generales para una clasificación de mayor nivel.
• CIFAR-100 se utiliza habitualmente para entrenamiento y pruebas en el campo del aprendizaje automático y la visión por ordenador.

Link to this sectionEstructura del dataset#

El conjunto de datos CIFAR-100 se divide en dos subconjuntos:

1. Conjunto de entrenamiento: Este subconjunto contiene 50.000 imágenes utilizadas para entrenar modelos de machine learning.
2. Conjunto de prueba: este subconjunto consta de 10 000 imágenes utilizadas para probar y evaluar los modelos entrenados.

Link to this sectionAplicaciones#

El conjunto de datos CIFAR-100 se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo en tareas de clasificación de imágenes, como Redes Neuronales Convolucionales (CNNs), Máquinas de Vectores de Soporte (SVMs) y varios otros algoritmos de aprendizaje automático. La diversidad del conjunto de datos en términos de clases y la presencia de imágenes en color lo convierten en un conjunto de datos más desafiante y completo para la investigación y el desarrollo en el campo del aprendizaje automático y la visión por ordenador.

Link to this sectionUso#

Para entrenar un modelo YOLO en el conjunto de datos CIFAR-100 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 de Entrenamiento del modelo.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

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

Link to this sectionMuestras de imágenes y anotaciones#

El conjunto de datos CIFAR-100 contiene imágenes en color de varios objetos, proporcionando 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 en el conjunto de datos CIFAR-100, destacando la importancia de un conjunto de datos diverso para entrenar modelos robustos de clasificación de imágenes.

Link to this sectionCitas y agradecimientos#

Si utilizas el conjunto de datos CIFAR-100 en tu trabajo de investigación o desarrollo, por favor cita el siguiente artículo:

@TECHREPORT{Krizhevsky09learningmultiple,
            author={Alex Krizhevsky},
            title={Learning multiple layers of features from tiny images},
            institution={},
            year={2009}
}

Queremos agradecer a Alex Krizhevsky por crear y mantener el conjunto de datos CIFAR-100 como un recurso valioso para la comunidad de investigación de aprendizaje automático y visión por ordenador. Para obtener más información sobre el conjunto de datos CIFAR-100 y su creador, visita el sitio web del conjunto de datos CIFAR-100.

Link to this sectionFAQ#

Link to this section¿Qué es el conjunto de datos CIFAR-100 y por qué es importante?#

El conjunto de datos CIFAR-100 es una gran colección de 60.000 imágenes en color de 32x32 clasificadas en 100 clases. Desarrollado por el Canadian Institute For Advanced Research (CIFAR), proporciona un conjunto de datos desafiante e ideal para tareas complejas de aprendizaje automático y visión artificial. Su importancia reside en la diversidad de clases y el pequeño tamaño de las imágenes, lo que lo convierte en un recurso valioso para entrenar y probar modelos de deep learning, como las redes neuronales convolucionales (CNN), utilizando marcos de trabajo como Ultralytics YOLO.

Link to this section¿Cómo entreno un modelo YOLO con el conjunto de datos CIFAR-100?#

Puedes entrenar un modelo YOLO con el conjunto de datos CIFAR-100 utilizando comandos de Python o de CLI. Aquí tienes cómo hacerlo:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

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

Para obtener una lista completa de los argumentos disponibles, consulta la página de Entrenamiento del modelo.

Link to this section¿Cuáles son las principales aplicaciones del conjunto de datos CIFAR-100?#

El conjunto de datos CIFAR-100 se utiliza ampliamente en el entrenamiento y la evaluación de modelos de deep learning para la clasificación de imágenes. Su diverso conjunto de 100 clases, agrupadas en 20 categorías generales, proporciona un entorno desafiante para probar algoritmos como las redes neuronales convolucionales (CNN), las máquinas de vectores de soporte (SVM) y otros diversos enfoques de aprendizaje automático. Este conjunto de datos es un recurso clave en la investigación y el desarrollo dentro de los campos del aprendizaje automático y la visión artificial, particularmente para tareas de reconocimiento de objetos y clasificación.

Link to this section¿Cómo está estructurado el conjunto de datos CIFAR-100?#

El conjunto de datos CIFAR-100 se divide en dos subconjuntos principales:

1. Conjunto de entrenamiento: Contiene 50.000 imágenes utilizadas para entrenar modelos de machine learning.
2. Conjunto de pruebas: Consta de 10.000 imágenes utilizadas para probar y evaluar el rendimiento de los modelos entrenados.

Cada una de las 100 clases contiene 600 imágenes, con 500 imágenes para entrenamiento y 100 para pruebas, lo que lo hace especialmente adecuado para investigaciones académicas e industriales rigurosas.

Link to this section¿Dónde puedo encontrar imágenes de muestra y anotaciones del conjunto de datos CIFAR-100?#

El conjunto de datos CIFAR-100 incluye una variedad de imágenes en color de diversos objetos, lo que lo convierte en un conjunto de datos estructurado para tareas de clasificación de imágenes. Puedes consultar la página de documentación para ver imágenes de muestra y anotaciones. Estos ejemplos destacan la diversidad y complejidad del conjunto de datos, importantes para entrenar modelos de clasificación de imágenes robustos. Para más conjuntos de datos adecuados para tareas de clasificación, echa un vistazo a la descripción general de conjuntos de datos de clasificación de Ultralytics.