Link to this sectionمجموعة بيانات CIFAR-10#

تعد مجموعة بيانات CIFAR-10 (معهد كندا للأبحاث المتقدمة) عبارة عن مجموعة من الصور المستخدمة على نطاق واسع لخوارزميات تعلم الآلة ورؤية الحاسوب. تم تطويرها بواسطة باحثين في معهد CIFAR وتتكون من 60,000 صورة ملونة بحجم 32x32 موزعة على 10 فئات مختلفة.

Link to this sectionالميزات الرئيسية#

• تتكون مجموعة بيانات CIFAR-10 من 60,000 صورة، مقسمة إلى 10 فئات.
• تحتوي كل فئة على 6,000 صورة، مقسمة إلى 5,000 للتدريب و1,000 للاختبار.
• الصور ملونة وبحجم 32x32 بكسل.
• تمثل الفئات العشر المختلفة طائرات، سيارات، طيور، قطط، غزلان، كلاب، ضفادع، خيول، سفن، وشاحنات.
• تُستخدم CIFAR-10 بشكل شائع للتدريب والاختبار في مجال تعلم الآلة ورؤية الحاسوب.

Link to this sectionهيكل مجموعة البيانات#

تنقسم مجموعة بيانات CIFAR-10 إلى مجموعتين فرعيتين:

1. مجموعة التدريب: تحتوي هذه المجموعة الفرعية على 50,000 صورة تُستخدم لتدريب نماذج تعلم الآلة.
2. مجموعة الاختبار: تتكون هذه المجموعة الفرعية من 10,000 صورة تُستخدم لاختبار النماذج المدربة وتقييم أدائها.

Link to this sectionالتطبيقات#

تُستخدم مجموعة بيانات CIFAR-10 على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs)، وآلات ناقلات الدعم (SVMs)، والعديد من خوارزميات تعلم الآلة الأخرى. إن تنوع مجموعة البيانات من حيث الفئات ووجود صور ملونة يجعلها مجموعة بيانات متكاملة للبحث والتطوير في مجال تعلم الآلة ورؤية الحاسوب.

Link to this sectionالاستخدام#

لتدريب نموذج YOLO على مجموعة بيانات CIFAR-10 لمدة 100 حقبة بحجم صورة 32x32، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب للنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar10", epochs=100, imgsz=32)

Link to this sectionصور وشروحات توضيحية عينة#

تحتوي مجموعة بيانات CIFAR-10 على صور ملونة لكائنات متنوعة، مما يوفر مجموعة بيانات منظمة بشكل جيد لمهام تصنيف الصور. فيما يلي بعض الأمثلة على الصور من مجموعة البيانات:

يعرض المثال تنوع وتعقيد الكائنات في مجموعة بيانات CIFAR-10، مما يسلط الضوء على أهمية وجود مجموعة بيانات متنوعة لتدريب نماذج تصنيف صور قوية.

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات CIFAR-10 في بحثك أو عملك التطويري، فيرجى الاستشهاد بالورقة البحثية التالية:

@TECHREPORT{Krizhevsky09learningmultiple,
            author={Alex Krizhevsky},
            title={Learning multiple layers of features from tiny images},
            institution={},
            year={2009}
}

نود أن نعرب عن تقديرنا لأليكس كريفشيفسكي لإنشاء وصيانة مجموعة بيانات CIFAR-10 كمورد قيم لمجتمع أبحاث تعلم الآلة ورؤية الحاسوب. لمزيد من المعلومات حول مجموعة بيانات CIFAR-10 ومبتكرها، تفضل بزيارة موقع مجموعة بيانات CIFAR-10.

Link to this sectionالأسئلة الشائعة#

Link to this sectionكيف يمكنني تدريب نموذج YOLO على مجموعة بيانات CIFAR-10؟#

لتدريب نموذج YOLO على مجموعة بيانات CIFAR-10 باستخدام Ultralytics، يمكنك اتباع الأمثلة المقدمة لكل من Python و CLI. إليك مثال أساسي لتدريب نموذجك لمدة 100 حقبة بحجم صورة 32x32 بكسل:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar10", epochs=100, imgsz=32)

لمزيد من التفاصيل، راجع صفحة التدريب للنموذج.

Link to this sectionما هي الميزات الرئيسية لمجموعة بيانات CIFAR-10؟#

تتكون مجموعة بيانات CIFAR-10 من 60,000 صورة ملونة مقسمة إلى 10 فئات. تحتوي كل فئة على 6,000 صورة، منها 5,000 للتدريب و1,000 للاختبار. الصور بحجم 32x32 بكسل وتتنوع عبر الفئات التالية:

• طائرات
• سيارات
• طيور
• قطط
• غزلان
• كلاب
• ضفادع
• خيول
• سفن
• شاحنات

تعد مجموعة البيانات المتنوعة هذه ضرورية لتدريب نماذج تصنيف الصور في مجالات مثل تعلم الآلة ورؤية الحاسوب. لمزيد من المعلومات، تفضل بزيارة أقسام CIFAR-10 حول هيكل مجموعة البيانات والتطبيقات.

Link to this sectionلماذا تُستخدم مجموعة بيانات CIFAR-10 لمهام تصنيف الصور؟#

تعد مجموعة بيانات CIFAR-10 معياراً ممتازاً لتصنيف الصور نظراً لتنوعها وهيكلها. فهي تحتوي على مزيج متوازن من 60,000 صورة مصنفة عبر 10 فئات مختلفة، مما يساعد في تدريب نماذج قوية ومعممة. تُستخدم على نطاق واسع لتقييم نماذج التعلم العميق، بما في ذلك الشبكات العصبية التلافيفية (CNNs) وخوارزميات تعلم الآلة الأخرى. مجموعة البيانات صغيرة نسبياً، مما يجعلها مناسبة للتجارب السريعة وتطوير الخوارزميات. استكشف تطبيقاتها العديدة في قسم التطبيقات.

Link to this sectionكيف يتم هيكلة مجموعة بيانات CIFAR-10؟#

تم تنظيم مجموعة بيانات CIFAR-10 في مجموعتين فرعيتين رئيسيتين:

1. مجموعة التدريب: تحتوي على 50,000 صورة تُستخدم لتدريب نماذج تعلم الآلة.
2. مجموعة الاختبار: تتكون من 10,000 صورة لاختبار وقياس أداء النماذج المدربة.

تتكون كل مجموعة فرعية من صور مصنفة إلى 10 فئات، مع توفر شرح توضيحي لها لتدريب وتقييم النموذج. لمزيد من المعلومات التفصيلية، راجع قسم هيكل مجموعة البيانات.

Link to this sectionكيف يمكنني الاستشهاد بمجموعة بيانات CIFAR-10 في بحثي؟#

إذا كنت تستخدم مجموعة بيانات CIFAR-10 في أبحاثك أو مشاريعك التطويرية، فتأكد من الاستشهاد بالورقة البحثية التالية:

@TECHREPORT{Krizhevsky09learningmultiple,
            author={Alex Krizhevsky},
            title={Learning multiple layers of features from tiny images},
            institution={},
            year={2009}
}

إن الإقرار بفضل مبتكري مجموعة البيانات يساعد في دعم استمرار البحث والتطوير في هذا المجال. لمزيد من التفاصيل، انظر قسم الاقتباسات والشكر.

Link to this sectionما هي بعض الأمثلة العملية لاستخدام مجموعة بيانات CIFAR-10؟#

غالبًا ما تُستخدم مجموعة بيانات CIFAR-10 لتدريب نماذج تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs) وآلات ناقلات الدعم (SVMs). يمكن استخدام هذه النماذج في مهام رؤية حاسوبية متنوعة بما في ذلك كشف الأشياء، التعرف على الصور، والتصنيف الآلي. لرؤية بعض الأمثلة العملية، تحقق من مقتطفات الكود في قسم الاستخدام.