CIFAR é um acrônimo que significa Canadian Institute For Advanced Research (Instituto Canadense de Pesquisa Avançada) e o conjunto de dados CIFAR-10 foi desenvolvido junto com o conjunto de dados CIFAR-100 por pesquisadores do instituto CIFAR.

O conjunto de dados é composto por 60.000 fotografias coloridas de 32 × 32 pixels de objetos de 10 classes, como sapos, pássaros, gatos, navios, etc.

Os rótulos da classe e seus valores inteiros associados padrão estão listados abaixo.

0: airplane (avião)
1: automobile (automóvel)
2: bird (pássaro)
3: cat (gato)
4: deer (veado)
5: dog (cachorro)
6: frog (sapo)
7: horse (cavalo)
8: ship (navio)
9: truck (caminhão)

Essas são imagens muito pequenas, muito menores do que uma fotografia típica, e o conjunto de dados foi planejado para pesquisa de visão computacional.

O CIFAR-10 é um conjunto de dados bem conhecido e amplamente utilizado para referência na medição de algoritmos de visão computacional no campo de aprendizado de máquina.

O problema está resolvido.

É relativamente simples alcançar uma precisão de classificação de 80%.

O melhor desempenho no problema é alcançado por redes neurais convolucionais com uma precisão de classificação pouco acima de 90% no conjunto de dados de teste.

VGG (Visual Geometry Group)

Usaremos o VGG (Visual Geometry Group), que é uma arquitetura padrão de Rede Neural Convolucional (CNN) profunda com várias camadas.

O “profundo” se refere ao número de camadas com VGG-16 ou VGG-19 consistindo em 16 e 19 camadas convolucionais.

A arquitetura VGG é a base inovadora dos modelos de reconhecimento de objetos.

Desenvolvido como uma rede neural profunda, o VGG também supera as linhas base em muitas tarefas e conjuntos de dados além do ImageNet.

Além disso, é uma das arquiteturas de reconhecimento de imagem mais populares.

VGG (Grupo de Geometria Visual)

Nesse primeiro exemplo vamos usar a arquitetura VGG 1, depois vamos deixar nossa rede mais profunda, com mais camadas e vamos testar com VGG 2 e também com o VGG 3.

Por último, no exemplo final, com maior precisão, vamos usar BatchNormalization().

A normalização em lotes (BatchNormalization) é uma técnica para treinar redes neurais muito profundas que padroniza as entradas de uma camada para cada mini lote.

Isso tem o efeito de estabilizar o processo de aprendizagem e reduzir drasticamente o número de períodos de treinamento necessários para treinar redes profundas, acelerando esse processo.

Para compensar essa aceleração, podemos aumentar a regularização alterando o dropout de um padrão fixo para um padrão crescente.