Hinton 十年前整理的数据集，为什么现在仍是经典？

By 超神经

内容提要：十一年前由深度学习之父 Hinton 牵头整理的 CIFAR-10 和 CIFAR-100 数据集，被称为图像分类的神级入门数据集。今天我们来全面了解一下。

关键词：CIFAR-10/CIFAR-100 数据集

CIFAR 系列数据集的诞生

CIFAR-10 和 CIFAR-100 数据集发布于 2009 年，由多伦多大学计算机科学系的 Geoffrey Hinton、Alex Krizhevsky、Ilya Sutskever 和 Vinod Nair 等人收集。

数据集是以资助该项目的加拿大高级研究所(Canadian Institute for Advanced Research)的名字命名的。

值得一提的是，Alex Krizhevsky 和 Ilya Sutskever 都是 Hinton 的博士，他们在业界也是大佬级人物，是 Hinton 的得意门生。

Alex Krizhevsky 是著名的 Alexnet 一作，而 Ilya Sutskever 是 OpenAI 的联合创始人兼董事。

当时，他们师徒看到被广泛用于图像分类的经典数据集 MNIST 存在几个缺陷：

• 只有灰度图像； 

• 类别少、多样性低，只是手写数字； 

• 并非真实数据，没有真实数据的统计特性。

要将 MNIST 数据集用于评估越来越深的神经网络，当然不太合适，因此需要更大的、真实的、更具多样性的彩色数据集。

于是，Hinton 便带领两位弟子，收集并整理出了 CIFAR-10 和 CIFAR-100 数据集。

2009 年，CIFAR 数据集发布，包括 CIFAR -10 和 CIFAR -100。

这两个数据集里的图片，与 MNIST 数据集比较而言，有以下几个优点：

• 都是真实图片而不是手稿等；

• 图中只有一个主体目标；

• 可以有部分遮挡，但是必须可辨识，这可以成为以后整理数据集的参考。

12 万张真实图像，类别丰富

 CIFAR-10 数据集 

CIFAR-10 数据集共包含 60000 张大小为 32x32 的彩色图像，分为 10 个类别，每个类别 6000 个图像。

CIFAR-10 数据集示例图片

该数据集包含的 10 个类别分别是：airplane（飞机）、automobile（汽车）、bird（鸟）、cat（猫）、deer（鹿）、dog（狗）、frog（青蛙）、horse（马）、ship（船）和 truck（卡车）。

其中，airplane、automobile、ship 和 truck 类都是交通工具类图像，bird、cat、deer、dog、frog 和 horse 都是动物类图，可以认为是两类完全不同的物种，这些都是从语义上完全可以区分的对象。这些类完全相互排斥。

而且，汽车和卡车两种类别之间没有重叠。「汽车」包括轿车，SUV，但不包括卡车或皮卡。「卡车」只包括大卡车，皮卡仍不包括在内。

因此 CIFAR-10 的分类任务可以看作是一个跨物种语义级别的图像分类问题，类间方差大、类内方差小。

此外，我们也可以看出，CIFAR-10 有点类似于类别多样性得到了扩充的 MNIST 的彩色增强版，图像大小差不多，数据集大小也一样，类别也相等。

 CIFAR-100 数据集 

CIFAR-100 数据集与 CIFAR-10 类似，也包含 60000 张大小 32x32 的彩色图像。

不同之处是，它分为 20 个大类（superclass）、100 个子类。每一子类包含 600 张图像，分为 500 张训练图像和 100 张测试图像。

大类之间没有重叠容易区分，但是小类之间会有一定的相似性。

例如，「爬行动物」的大类又被分为「蜥蜴」、「蛇」、「乌龟」、「恐龙」和「鳄鱼」这么五个类别。因此每个图像带有 1 个小类的 fine 标签（精细标签）和 1 个大类的 coarse 标签（粗糙标签），对分类模型会提出比 CIFAR-10 更高的挑战。

以上两个数据集的具体信息如下：

包含数量：

CIFAR-10：6 万张图像
CIFAR-100：6 万张图像

数据大小：

CIFAR-10： 163 MB

CIFAR-100：161 MB

发布时间：

2009 年

包含内容：

图像数据，分类标签

下载地址：

CIFAR -10：

https://hyper.ai/datasets/4926

CIFAR-100：

https://hyper.ai/datasets/4929

所以，还等什么呢，快来下载训练你的模型吧！

数据集直达传送门—>点击文末 阅读原文 。

参考资料：

http://www.cs.toronto.edu/~kriz/cifar.html

http://www.cs.toronto.edu/~kriz/learning-features-2009-TR.pdf

—— 完 ——

扫描二维码，加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解详情

更多精彩内容（点击图片阅读）