CIFAR-10数据集（加拿大高等研究院）是一个包含60,000张低分辨率彩色图像的集合，用于训练和评估机器学习和计算机视觉算法。该数据集于2009年发布，已成为该领域使用最广泛的基准之一，使研究人员能够快速测试不同的物体识别方法。数据集包含32x32像素的图像，分为10个类别，，飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车，，每个类别有6,000张图像。
CIFAR-10是2008年8000万张微小图像数据集的一个带标签子集。在创建该数据集时，学生被付费为所有图像标注。由于图像分辨率低，该数据集允许对不同算法进行快速实验，使其成为研究人员开发机器学习和人工智能新技术时的标准起点。
数据集结构
这60,000张图像通常分为50,000张训练图像和10,000张测试图像。每张图像是一个32x32的彩色照片，具有三个通道（红、绿、蓝），因此每张图像总共有3,072个像素。这10个类别是互斥的，，每张图像恰好属于一个类别。小图像尺寸使CIFAR-10区别于像ImageNet这样的高分辨率数据集，后者包含平均分辨率为469x387的图像。
在机器学习研究中的作用
用于识别照片中物体的计算机算法通常通过示例学习，而CIFAR-10为此提供了标准化的示例集。各种卷积神经网络往往在识别CIFAR-10图像方面表现最佳。该数据集在追踪深度学习进展方面发挥了重要作用，从早期的浅层网络到具有残差连接和注意力机制的现代架构。
自发布以来，声称在CIFAR-10上达到最先进结果的研究论文持续出现。然而，并非所有论文都采用相同的预处理技术，如图像翻转或图像平移。因此，一篇论文声称的最先进结果可能比旧声称具有更高的错误率，但在不同预处理条件下仍然有效。
基准与性能
除了算法开发之外，CIFAR-10还被用作团队竞争更快、更便宜地运行神经网络的性能基准。例如，DAWNBench竞赛在其网站上提供了跨不同硬件和软件堆栈的训练时间和成本比较的基准数据。这种使用方式将该数据集与来自谷歌云、亚马逊网络服务和微软Azure等公司的更广泛基础设施工作联系起来。
类似数据集
几个相关数据集扩展或补充了CIFAR-10。CIFAR-100类似，但包含100个类别，每个类别有600张图像。CIFAR-10H是一个带有人类感知不确定性标签的版本。ImageNet（ILSVRC）数据集包含100万张1,000个类别的彩色图像，分辨率更高。街景门牌号（SVHN）数据集提供约600,000张10个类别（数字0-9）的图像，分辨率同样为32x32。8000万张微小图像数据集是CIFAR-10的父集，从中派生而来。
另见
- 机器学习研究数据集列表
- MNIST数据库
参考文献
- CIFAR-10页面，，数据集的主页
- 加拿大高等研究院