ابدأ
لا يوجد ترخيص

مجموعة بيانات CIFAR-10

CIFAR-10 preview 1
CIFAR-10 preview 2
CIFAR-10 preview 3
CIFAR-10 preview 4
60,000
CIFAR-10
ultralytics
PublicClassify

Tiny 32x32 color photos of common vehicles and animals, the classic small-image classification benchmark from the University of Toronto. Collected by Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton as a hand-labeled subset of the 80 Million Tiny Images collection, with balanced, mutually exclusive classes. Source: Krizhevsky, "Learning Multiple Layers of Features from Tiny Images," University of Toronto tech report 2009; cs.toronto.edu/~kriz/cifar.html.

110 classes66 MBOct 23, 2026
airplaneautomobilebirdcat+6
image-classificationcifar10object-recognition+1

تُعد مجموعة بيانات CIFAR-10 (المعهد الكندي للأبحاث المتقدمة) معيارًا كلاسيكيًا لـتصنيف الصور، وتضم 60,000 صورة ملونة بحجم 32x32 موزعة بالتساوي على 10 فئات: طائرة، وسيارة، وطائر، وقط، وأيل، وكلب، وضفدع، وحصان، وسفينة، وشاحنة. وتأتي بتقسيم محدد مسبقًا يضم 50,000 صورة للتدريب و10,000 صورة للاختبار (6,000 صورة لكل فئة)، ما يجعلها نقطة انطلاق خفيفة ومتوازنة جيدًا لتدريب نماذج التصنيف وقياس أدائها. ولتحدٍّ أكثر دقة على مستوى الفئات، راجع مجموعة بيانات CIFAR-100.

استكشف CIFAR-10 على منصة Ultralytics لمعاينة العينات وفحص إحصاءات مجموعة البيانات واستنساخها للتدريب.



شاهد: كيفية تدريب نموذج لتصنيف الصور باستخدام مجموعة بيانات CIFAR-10 مع Ultralytics YOLO

الميزات الرئيسية#

  • تضم CIFAR-10 عدد 60,000 صورة ملونة، أبعاد كل منها 32x32 بكسل، مقسمة بالتساوي إلى 10 فئات.
  • تحتوي كل فئة على 6,000 صورة بالضبط — 5,000 للتدريب و1,000 للاختبار — لذا فإن مجموعة البيانات متوازنة تمامًا.
  • الفئات العشر هي: طائرة، وسيارة، وطائر، وقط، وأيل، وكلب، وضفدع، وحصان، وسفينة، وشاحنة.
  • تأتي مجموعة البيانات بتقسيم محدد مسبقًا إلى التدريب والاختبار، لذا لا يلزم إجراء تقسيم يدوي أو تلقائي.
  • تُعد CIFAR-10 معيارًا شائعًا لأبحاث تصنيف الصور والتعرف على الكائنات.

بنية مجموعة البيانات#

تأتي CIFAR-10 بتقسيم رسمي محدد مسبقًا، لذا لا حاجة إلى تقسيم تلقائي أو يدوي:

  • الفئات: 10 (طائرة، سيارة، طائر، قط، أيل، كلب، ضفدع، حصان، سفينة، شاحنة)
  • إجمالي الصور: 60,000 (ملونة بحجم 32x32)
  • مجموعة التدريب: 50,000 صورة (5,000 لكل فئة)
  • مجموعة الاختبار: 10,000 صورة (1,000 لكل فئة)
مجموعة التحقق

لا تحتوي CIFAR-10 على مجلد منفصل للتحقق، لذا تستخدم Ultralytics مجموعة الاختبار، التي تضم 10,000 صورة، بوصفها مجموعة التحقق أثناء التدريب افتراضيًا.

التطبيقات#

تُستخدم CIFAR-10 على نطاق واسع لتدريب نماذج تصنيف الصور وتقييمها، بدءًا من الشبكات العصبية الالتفافية التقليدية (CNNs) وآلات المتجهات الداعمة (SVMs) وصولًا إلى البنى العميقة الحديثة. ويجعل صغر حجم صورها وتوازن فئاتها منها خيارًا مثاليًا للتجارب السريعة واختبار الخوارزميات الجديدة وتعليم أساسيات الرؤية الحاسوبية.

الاستخدام#

درّب نموذج YOLO26n-cls على CIFAR-10 لمدة 100 حقبة بحجم صور 32.

مثال على التدريب
from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n-cls.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

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

صور وتعليقات توضيحية نموذجية#

تحتوي مجموعة بيانات CIFAR-10 على صور ملونة لكائنات متنوعة، ما يوفر مجموعة بيانات جيدة التنظيم لمهام تصنيف الصور. فيما يلي بعض أمثلة الصور من مجموعة البيانات:

عينات من مجموعة بيانات تصنيف الصور CIFAR-10

تُظهر العينات تنوع الأجسام في مجموعة بيانات CIFAR-10، ما يبرز قيمة تنوع مجموعة البيانات في تدريب نماذج قوية لتصنيف الصور.

الاستشهادات والشكر والتقدير#

إذا استخدمت مجموعة بيانات CIFAR-10 في أبحاثك أو أعمال التطوير، فيُرجى الاستشهاد بالورقة البحثية التالية:

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

نود أن نعرب عن تقديرنا لـ Alex Krizhevsky لإنشاء مجموعة بيانات CIFAR-10 وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث تعلّم الآلة والرؤية الحاسوبية.

الأسئلة الشائعة#

  • تُستخدم مجموعة بيانات CIFAR-10 على نطاق واسع لتدريب نماذج تصنيف الصور والتعرف على الكائنات واختبار أدائها. وتضم 60,000 صورة ملونة بحجم 32x32 موزعة بالتساوي على 10 فئات، ويجعل صغر حجمها وتوازن فئاتها منها معيارًا سريعًا وموثوقًا لتقييم خوارزميات مثل الشبكات العصبية الالتفافية (CNNs) وآلات المتجهات الداعمة (SVMs).

  • لتدريب نموذج Ultralytics YOLO على CIFAR-10، استخدم مقتطفات التعليمات البرمجية أدناه. تُنزّل مجموعة البيانات تلقائيًا عند استخدامها للمرة الأولى. للاطلاع على القائمة الكاملة للوسائط، راجع صفحة التدريب الخاصة بالنموذج.

    مثال على التدريب
    from ultralytics import YOLO
    
    # ⁨تحميل نموذج⁩
    model = YOLO("yolo26n-cls.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩
    
    # ⁨تدريب النموذج⁩
    results = model.train(data="cifar10", epochs=100, imgsz=32)
  • تضم CIFAR-10 عشر فئات — طائرة، وسيارة، وطائر، وقط، وأيل، وكلب، وضفدع، وحصان، وسفينة، وشاحنة — وبها 6,000 صورة بالضبط لكل فئة، أي 60,000 صورة إجمالًا. والفئات متمايزة ومتوازنة تمامًا، من دون تداخل بينها.

  • تأتي CIFAR-10 بتقسيم محدد مسبقًا يضم 50,000 صورة للتدريب و10,000 صورة للاختبار، مع 5,000 صورة تدريب و1,000 صورة اختبار بالضبط لكل فئة. وعلى خلاف مجموعات بيانات التصنيف القائمة على المجلدات، التي تقسّمها Ultralytics تلقائيًا، يُستخدم التقسيم الرسمي لـCIFAR-10 كما هو، وتُستخدم مجموعة الاختبار افتراضيًا بوصفها مجموعة التحقق أثناء التدريب.

  • نعم. تتيح لك منصة Ultralytics إدارة مجموعات البيانات وتدريب نماذج تصنيف الصور ونشرها دون الحاجة إلى كتابة كثير من التعليمات البرمجية. وهي طريقة مريحة لإجراء تجارب CIFAR-10 على السحابة، ويمكنك استكشاف مزيد من الخيارات في نظرة عامة على مجموعات بيانات التصنيف.

التعليقات

اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.