L'ensemble de données STL-10 est un ensemble de données de reconnaissance d'images utilisé pour développer des algorithmes d'apprentissage de fonctionnalités non supervisés, d'apprentissage en profondeur et d'auto-apprentissage. Il est basé sur l'ensemble de données CIFAR-10 avec quelques modifications. Chaque catégorie contient moins d'exemples de formation étiquetés que CIFAR-10, mais fournit des instances non étiquetées plus grandes pour la formation supervisée de modèles d'apprentissage d'images, qui utilisent des données non étiquetées pour créer des données antérieures détenues, où des images haute résolution peuvent être utilisées pour développer des méthodes d'apprentissage non supervisées plus évolutives.

Cet ensemble de données a été publié par l'Université de Stanford en 2011. Les principaux éditeurs étaient Adam Coates, Honglak Lee et Andrew Y. Ng. L'article connexe est « Une analyse des réseaux monocouches dans l'apprentissage de caractéristiques non supervisé ».