由 Krizhevsky 等人提出。从微小图像中学习多层特征CIFAR -10数据集（加拿大高级研究所，10 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。这些图像标有 10 个相...
由 Krizhevsky 等人提出。从微小图像中学习多层特征
CIFAR -10数据集（加拿大高级研究所，10 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。这些图像标有 10 个相互排斥的类别之一：飞机、汽车（但不是卡车或皮卡车）、鸟、猫、鹿、狗、青蛙、马、船和卡车（但不是皮卡车）。每类有 6000 张图像，每类有 5000 张训练图像和 1000 张测试图像。
判断图像是否属于某个类的标准如下：
类名应该位于“这张图片中是什么？”这个问题的可能答案列表中的前列。
图像应该逼真。贴标机被指示拒绝线条图。
该图像应仅包含该类所引用的对象的一个突出实例。只要贴标签者仍然清楚该物体的身份，该物体可能会被部分遮挡或从不寻常的角度看到。
数据下载：https://huggingface.co/datasets/tomas-gajarsky/cifar10-lt
版权声明
本文仅代表作者观点，不代表本网站立场。
本文系作者授权本网站发表，未经许可，不得转载。
发表评论