Link to this sectionConjunto de dados CIFAR-10#

O conjunto de dados CIFAR-10 (Canadian Institute For Advanced Research) é uma coleção de imagens amplamente utilizada para algoritmos de machine learning e visão computacional. Foi desenvolvido por pesquisadores do instituto CIFAR e consiste em 60.000 imagens coloridas de 32x32 em 10 classes diferentes.

Link to this sectionPrincipais recursos#

• O conjunto de dados CIFAR-10 consiste em 60.000 imagens, divididas em 10 classes.
• Cada classe contém 6.000 imagens, divididas em 5.000 para treinamento e 1.000 para teste.
• As imagens são coloridas e têm um tamanho de 32x32 pixels.
• As 10 classes diferentes representam aviões, carros, pássaros, gatos, cervos, cães, sapos, cavalos, navios e caminhões.
• O CIFAR-10 é comumente usado para treinamento e teste no campo de machine learning e visão computacional.

Link to this sectionEstrutura do Dataset#

O conjunto de dados CIFAR-10 é dividido em dois subconjuntos:

1. Conjunto de Treinamento: Este subconjunto contém 50.000 imagens usadas para treinar modelos de machine learning.
2. Conjunto de Teste: Este subconjunto consiste em 10.000 imagens usadas para testar e comparar o desempenho dos modelos treinados.

Link to this sectionAplicações#

O conjunto de dados CIFAR-10 é amplamente utilizado para treinar e avaliar modelos de deep learning em tarefas de classificação de imagens, como Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs) e vários outros algoritmos de machine learning. A diversidade do conjunto de dados em termos de classes e a presença de imagens coloridas tornam-no um conjunto de dados bem completo para pesquisa e desenvolvimento na área de machine learning e visão computacional.

Link to this sectionUso#

Para treinar um modelo YOLO no conjunto de dados CIFAR-10 por 100 épocas com um tamanho de imagem de 32x32, podes usar os seguintes trechos de código. Para uma lista abrangente de argumentos disponíveis, consulta a página de Treinamento do 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="cifar10", epochs=100, imgsz=32)

Link to this sectionExemplos de Imagens e Anotações#

O conjunto de dados CIFAR-10 contém imagens coloridas de vários objetos, fornecendo um conjunto de dados bem estruturado para tarefas de classificação de imagens. Aqui estão alguns exemplos de imagens do conjunto de dados:

O exemplo mostra a variedade e a complexidade dos objetos no conjunto de dados CIFAR-10, destacando a importância de um conjunto de dados diversificado para o treinamento de modelos robustos de classificação de imagens.

Link to this sectionCitações e Agradecimentos#

Se usares o conjunto de dados CIFAR-10 no teu trabalho de pesquisa ou desenvolvimento, por favor cita o seguinte artigo:

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

Gostaríamos de agradecer a Alex Krizhevsky por criar e manter o conjunto de dados CIFAR-10 como um recurso valioso para a comunidade de pesquisa de machine learning e visão computacional. Para mais informações sobre o conjunto de dados CIFAR-10 e seu criador, visita o site do conjunto de dados CIFAR-10.

Link to this sectionFAQ#

Link to this sectionComo posso treinar um modelo YOLO no conjunto de dados CIFAR-10?#

Para treinar um modelo YOLO no conjunto de dados CIFAR-10 usando Ultralytics, podes seguir os exemplos fornecidos tanto para Python quanto para CLI. Aqui está um exemplo básico para treinar o teu modelo por 100 épocas com um tamanho de imagem de 32x32 pixels:

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="cifar10", epochs=100, imgsz=32)

Para mais detalhes, consulta a página de Treinamento do modelo.

Link to this sectionQuais são as principais características do conjunto de dados CIFAR-10?#

O conjunto de dados CIFAR-10 consiste em 60.000 imagens coloridas divididas em 10 classes. Cada classe contém 6.000 imagens, com 5.000 para treinamento e 1.000 para teste. As imagens têm 32x32 pixels de tamanho e variam entre as seguintes categorias:

• Aviões
• Carros
• Pássaros
• Gatos
• Cervos
• Cães
• Sapos
• Cavalos
• Navios
• Caminhões

Este conjunto de dados diversificado é essencial para o treinamento de modelos de classificação de imagens em áreas como machine learning e visão computacional. Para mais informações, visita as seções do CIFAR-10 sobre estrutura do conjunto de dados e aplicações.

Link to this sectionPor que usar o conjunto de dados CIFAR-10 para tarefas de classificação de imagens?#

O conjunto de dados CIFAR-10 é um excelente benchmark para classificação de imagens devido à sua diversidade e estrutura. Ele contém uma mistura equilibrada de 60.000 imagens rotuladas em 10 categorias diferentes, o que ajuda no treinamento de modelos robustos e generalizados. É amplamente utilizado para avaliar modelos de deep learning, incluindo Convolutional Neural Networks (CNNs) e outros algoritmos de machine learning. O conjunto de dados é relativamente pequeno, tornando-o adequado para experimentação rápida e desenvolvimento de algoritmos. Explora as suas inúmeras aplicações na seção aplicações.

Link to this sectionComo o conjunto de dados CIFAR-10 é estruturado?#

O conjunto de dados CIFAR-10 é estruturado em dois subconjuntos principais:

1. Conjunto de Treinamento: Contém 50.000 imagens usadas para treinar modelos de machine learning.
2. Conjunto de Teste: Consiste em 10.000 imagens para testar e comparar os modelos treinados.

Cada subconjunto compreende imagens categorizadas em 10 classes, com suas anotações prontamente disponíveis para treinamento e avaliação de modelos. Para informações mais detalhadas, consulta a seção estrutura do conjunto de dados.

Link to this sectionComo posso citar o conjunto de dados CIFAR-10 na minha pesquisa?#

Se usares o conjunto de dados CIFAR-10 nos teus projetos de pesquisa ou desenvolvimento, certifica-te de citar o seguinte artigo:

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

Reconhecer os criadores do conjunto de dados ajuda a apoiar a pesquisa e o desenvolvimento contínuos na área. Para mais detalhes, vê a seção citações e agradecimentos.

Link to this sectionQuais são alguns exemplos práticos de uso do conjunto de dados CIFAR-10?#

O conjunto de dados CIFAR-10 é frequentemente usado para treinar modelos de classificação de imagens, como Convolutional Neural Networks (CNNs) e Support Vector Machines (SVMs). Esses modelos podem ser empregados em várias tarefas de visão computacional, incluindo detecção de objetos, reconhecimento de imagem e marcação automatizada. Para ver alguns exemplos práticos, confere os trechos de código na seção uso.