Conjunto de datos CIFAR-100

El conjunto de datos CIFAR-100 (Instituto Canadiense de Investigación Avanzada) es una ampliación significativa del conjunto de datos CIFAR-10, compuesto por 60.000 imágenes en color de 32x32 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.

Características principales

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

Estructura del conjunto de datos

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 aprendizaje automático.
2. Conjunto de pruebas: Este subconjunto consta de 10.000 imágenes utilizadas para probar y evaluar los modelos entrenados.

Aplicaciones

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 (CNN), máquinas de vectores de soporte (SVM) y 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.

Utilización

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 Entrenamiento del modelo.

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='cifar100', epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo detect train data=cifar100 model=yolov8n-cls.pt epochs=100 imgsz=32

Ejemplos de imágenes y anotaciones

El conjunto de datos CIFAR-100 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-100, 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-100 en tu trabajo de investigación o desarrollo, cita el siguiente documento:

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

Queremos dar las gracias a Alex Krizhevsky por crear y mantener el conjunto de datos CIFAR-100 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-100 y su creador, visita el sitio web del conjunto de datos CIFAR-100.

Comentarios