CIFAR-10 데이터셋#

60,000

CIFAR-10

ultralytics

publicClassify

CIFAR-10 is Krizhevsky, Nair, and Hinton's canonical benchmark of 60,000 balanced 32 x 32 RGB images. Ten classes cover airplanes, automobiles, birds, cats, deer, dogs, frogs, horses, ships, and trucks in the official training and test split.

10 classes66 MBSep 2, 2026

airplaneautomobilebirdcat+6

image-classificationcifar10object-recognition+1

CIFAR-10(캐나다 고등연구원) 데이터셋은 10개 클래스(비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭)에 균등하게 분포된 32x32 컬러 이미지 60,000개로 구성된 고전적인 이미지 분류 벤치마크입니다. 학습 이미지 50,000개와 테스트 이미지 10,000개(클래스당 6,000개)로 미리 분할되어 있어, 분류 모델 학습과 벤치마킹을 위한 가볍고 균형 잡힌 시작점입니다. 더 세밀한 과제를 원한다면 관련 CIFAR-100 데이터셋을 참조하세요.

Ultralytics Platform의 CIFAR-10을 살펴보고 샘플 미리보기, 데이터셋 통계 확인, 학습용 복제를 수행하세요.

주요 기능#

• CIFAR-10에는 32x32 픽셀 컬러 이미지 60,000개가 있으며, 10개 클래스에 균등하게 분포되어 있습니다.
• 각 클래스에는 학습용 5,000개와 테스트용 1,000개를 합해 정확히 6,000개의 이미지가 있으므로 데이터셋이 완벽하게 균형을 이룹니다.
• 10개 클래스는 비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭입니다.
• 데이터셋에 미리 정의된 학습/테스트 분할이 포함되어 있어 수동 또는 자동으로 분할할 필요가 없습니다.
• CIFAR-10은 이미지 분류 및 객체 인식 연구의 표준 벤치마크입니다.

데이터셋 구조#

CIFAR-10에는 공식적으로 미리 정의된 분할이 포함되어 있어 자동 또는 수동 분할이 필요하지 않습니다.

• 클래스: 10개(비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭)
• 총 이미지 수: 60,000개(32x32 컬러)
• 학습 세트: 이미지 50,000개(클래스당 5,000개)
• 테스트 세트: 이미지 10,000개(클래스당 1,000개)

응용 분야#

CIFAR-10은 고전적인 합성곱 신경망 (CNNs)과 서포트 벡터 머신 (SVMs)부터 최신 딥 아키텍처에 이르기까지 이미지 분류 모델의 학습과 평가에 널리 사용됩니다. 작은 이미지 크기와 균형 잡힌 클래스 구성 덕분에 빠른 실험, 새로운 알고리즘 벤치마킹, 컴퓨터 비전 기초 교육에 적합합니다.

사용법#

이미지 크기 32로 CIFAR-10에서 YOLO 모델을 100 에포크 동안 학습합니다. 사용 가능한 전체 인수 목록은 학습 페이지와 이미지 분류 작업 가이드를 참조하세요.

from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26n-cls.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).

# 모델 학습
results = model.train(data="cifar10", epochs=100, imgsz=32)

샘플 이미지 및 어노테이션#

CIFAR-10 데이터셋에는 다양한 객체의 컬러 이미지가 포함되어 있어 이미지 분류 작업에 적합한 체계적인 데이터셋을 제공합니다. 다음은 데이터셋 이미지의 예시입니다.

샘플은 CIFAR-10 데이터셋 객체의 다양성을 보여주며, 견고한 이미지 분류 모델을 학습할 때 다양한 데이터셋이 중요한 이유를 잘 드러냅니다.

인용 및 감사의 글#

연구 또는 개발 작업에 CIFAR-10 데이터셋을 사용하는 경우 다음 논문을 인용해 주세요.

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

CIFAR-10 데이터셋을 머신러닝 및 컴퓨터 비전 연구 커뮤니티의 귀중한 리소스로 만들고 유지 관리해 주신 Alex Krizhevsky에게 감사드립니다. CIFAR-10 데이터셋과 제작자에 대한 자세한 내용은 CIFAR-10 데이터셋 웹사이트를 방문하시기 바랍니다.

자주 묻는 질문#