Link to this sectionمجموعة بيانات CIFAR-10#

تعد مجموعة بيانات CIFAR-10 (المعهد الكندي للبحوث المتقدمة) عبارة عن مجموعة من الصور المستخدمة على نطاق واسع لخوارزميات تعلم الآلة والرؤية الحاسوبية. تم تطويرها بواسطة باحثين في معهد CIFAR وتتكون من 60,000 صورة ملونة بحجم 32x32 في 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 والرؤية الحاسوبية.

Link to this sectionهيكل مجموعة البيانات#

يتم تقسيم 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 وتقييم النماذج المدربة.

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 ناقل الدعم (SVMs)، وغيرها من خوارزميات تعلم الآلة. إن تنوع مجموعة البيانات من حيث الفئات ووجود صور ملونة يجعلها مجموعة بيانات شاملة للبحث والتطوير في مجال تعلم الآلة والرؤية الحاسوبية.

Link to this sectionالاستخدام#

لتدريب نموذج YOLO على مجموعة بيانات CIFAR-10 لمدة 100 عصر مع حجم صورة 32x32، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة التدريب الخاصة بالنموذج.

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 وعينات تعليقات توضيحية#

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

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

Link to this sectionالاقتباسات والشكر#

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

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

نود أن نشكر أليكس كريبشيفسكي لإنشائه وصيانته لمجموعة بيانات CIFAR-10 كمورد قيم لمجتمع أبحاث تعلم الآلة والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات CIFAR-10 ومنشئها، 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. فيما يلي مثال أساسي لتدريب نموذجك لمدة 100 عصر مع حجم 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، ارجع إلى صفحة التدريب الخاصة بالنموذج.

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، مع 5,000 للتدريب و1,000 للاختبار. الصور بحجم 32x32 بكسل وتتنوع عبر الفئات التالية:

• الطائرات
• السيارات
• الطيور
• القطط
• الغزلان
• الكلاب
• الضفادع
• الخيول
• السفن
• الشاحنات

تعد هذه المجموعة المتنوعة ضرورية لتدريب نماذج تصنيف الصور في مجالات مثل تعلم الآلة والرؤية الحاسوبية. 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) وغيرها من خوارزميات تعلم الآلة. 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؟#

يتم هيكلة مجموعة بيانات CIFAR-10 إلى 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 وتقييم النماذج المدربة.

تضم كل مجموعة فرعية صوراً مصنفة إلى 10 فئات، مع توفر تعليقاتها التوضيحية بسهولة لتدريب النماذج وتقييمها. لمزيد من المعلومات التفصيلية، ارجع إلى قسم هيكل مجموعة البيانات.

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

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

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

يساعد الاعتراف بمنشئي مجموعة البيانات في دعم البحث والتطوير المستمر في هذا المجال. لمزيد من التفاصيل، راجع قسم الاقتباسات والتقديرات.

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

تُستخدم مجموعة بيانات CIFAR-10 غالباً لتدريب نماذج تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs) وآلات ناقل الدعم (SVMs). يمكن استخدام هذه النماذج في العديد من مهام الرؤية الحاسوبية بما في ذلك اكتشاف الكائنات، والتعرف على الصور، والوسم التلقائي. لرؤية بعض الأمثلة العملية، تحقق من مقتطفات الكود في قسم الاستخدام.