El conjunto de datos CIFAR-10 (Instituto Canadiense de Investigación Avanzada) es una colección de imágenes que se utilizan comúnmente para entrenar algoritmos de aprendizaje automático y visión por computadora. Es uno de los conjuntos de datos más utilizados para la investigación del aprendizaje automático. El conjunto de datos CIFAR-10 contiene 60,000 imágenes en color de 32×32 en 10 clases diferentes. Las 10 clases diferentes representan aviones, automóviles, pájaros, gatos, venados, perros, ranas, caballos, barcos y camiones. Hay 6,000 imágenes de cada clase.
Los algoritmos informáticos para reconocer objetos en fotos a menudo aprenden con el ejemplo. CIFAR-10 es un conjunto de imágenes que se pueden usar para enseñar a una computadora a reconocer objetos. Dado que las imágenes en CIFAR-10 son de baja resolución (32×32), este conjunto de datos puede permitir a los investigadores probar rápidamente diferentes algoritmos para ver qué funciona. Varios tipos de redes neuronales convolucionales tienden a ser los mejores para reconocer las imágenes en CIFAR-10.
Evaluación
Las presentaciones se evalúan según la precisión de la clasificación (el porcentaje de etiquetas que se predicen correctamente). Para cada imagen en el conjunto de prueba, prediga una etiqueta para la identificación dada. Sus etiquetas deben coincidir exactamente con las etiquetas oficiales {avión, automóvil, pájaro, gato, venado, perro, rana, caballo, barco, camión}.