CIFAR-10 데이터 세트

CIFAR-10 (캐나다 고급 연구 연구소) 데이터 세트는 머신 러닝 및 컴퓨터 비전 알고리즘에 널리 사용되는 이미지 모음입니다. CIFAR 연구소의 연구원들이 개발했으며 10가지 클래스의 32x32 컬러 이미지 60,000개로 구성되어 있습니다.

주요 기능

• CIFAR-10 데이터 세트는 60,000개의 이미지로 구성되어 있으며, 10개의 클래스로 나뉩니다.
• 각 클래스에는 교육용 이미지 5,000개와 테스트용 이미지 1,000개로 나뉜 6,000개의 이미지가 포함되어 있습니다.
• 이미지는 컬러이며 크기는 32x32픽셀입니다.
• 10가지 클래스는 비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭을 상징합니다.
• CIFAR-10은 일반적으로 머신러닝 및 컴퓨터 비전 분야의 교육 및 테스트에 사용됩니다.

데이터 세트 구조

CIFAR-10 데이터 세트는 두 개의 하위 집합으로 나뉩니다:

1. 훈련 세트: 이 하위 집합에는 머신러닝 모델 학습에 사용되는 50,000개의 이미지가 포함되어 있습니다.
2. 테스트 세트: 이 하위 집합은 학습된 모델을 테스트하고 벤치마킹하는 데 사용되는 10,000개의 이미지로 구성됩니다.

애플리케이션

CIFAR-10 데이터 세트는 컨볼루션 신경망(CNN), 서포트 벡터 머신(SVM) 및 기타 다양한 머신 러닝 알고리즘과 같은 이미지 분류 작업에서 딥 러닝 모델을 훈련하고 평가하는 데 널리 사용됩니다. 클래스 측면에서 데이터 세트의 다양성과 컬러 이미지의 존재로 인해 머신 러닝 및 컴퓨터 비전 분야의 연구 및 개발을 위한 균형 잡힌 데이터 세트입니다.

사용법

이미지 크기가 32x32인 100개의 에포크에 대해 CIFAR-10 데이터 세트에서 YOLO 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습 페이지를 참조하세요.

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)

# Start training from a pretrained *.pt model
yolo detect train data=cifar10 model=yolov8n-cls.pt epochs=100 imgsz=32

샘플 이미지 및 주석

CIFAR-10 데이터 세트에는 다양한 물체의 컬러 이미지가 포함되어 있어 이미지 분류 작업을 위한 잘 구조화된 데이터 세트를 제공합니다. 다음은 데이터 세트의 몇 가지 이미지 예시입니다:

이 예는 CIFAR-10 데이터 세트에 포함된 객체의 다양성과 복잡성을 보여주며, 강력한 이미지 분류 모델을 훈련하기 위해서는 다양한 데이터 세트가 중요하다는 것을 강조합니다.

인용 및 감사

연구 또는 개발 작업에 CIFAR-10 데이터 세트를 사용하는 경우 다음 논문을 인용해 주세요:

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

머신 러닝 및 컴퓨터 비전 연구 커뮤니티를 위한 귀중한 리소스인 CIFAR-10 데이터 세트를 만들고 유지 관리해 주신 Alex Krizhevsky에게 감사의 말씀을 전하고 싶습니다. CIFAR-10 데이터 세트와 제작자에 대한 자세한 내용은 CIFAR-10 데이터 세트 웹사이트를 참조하세요.

댓글