CIFAR

CIFAR-10和CIFAR-100是计算机视觉领域常用的图像分类基准数据集。2009年由多伦多大学的Alex Krizhevsky、Vinod Nair和Geoffrey Hinton创建，包含32x32像素的彩色图像。CIFAR-10包含10个类别的6万张图像，CIFAR-100包含100个类别的6万张图像，均来自8000万小图像数据集的标记子集。

CIFAR-10 and CIFAR-100 are widely adopted image classification benchmark datasets in the field of computer vision. Developed in 2009 by Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton from the University of Toronto, these datasets consist of 32×32 pixel color images. CIFAR-10 contains 60,000 images spanning 10 categories, while CIFAR-100 includes 60,000 images across 100 categories. Both are labeled subsets derived from the 80-million tiny image dataset.

搜集汇总

背景与挑战

背景概述

CIFAR数据集包含CIFAR-10和CIFAR-100两个子集，均源自8000万张微小图像数据集，由Alex Krizhevsky等人创建。CIFAR-10包含10个类别的60000张32x32彩色图像，每个类别6000张，分为50000张训练图像和10000张测试图像，类别之间互斥，适用于图像分类基准任务。CIFAR-100则包含100个类别，每个类别600张图像，分为20个超类，提供细粒度和粗粒度标签，扩展了分类挑战。数据集提供多种格式版本，广泛用于计算机视觉研究和机器学习模型训练。