مجموعة بيانات CIFAR-10

يمكن تهيئة الوسيط CIFAR-10(المعهد الكندي للأبحاث المتقدمة) عبارة عن مجموعة من الصور المستخدمة على نطاق واسع لـ تعلم الآلةوخوارزميات الرؤية الحاسوبية. تم تطويرها بواسطة باحثين في معهد CIFAR وتتكون من 60,000 صورة ملونة بأبعاد 32x32 في 10 فئات مختلفة.

الميزات 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.

هيكلية 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 وتقييم أداء النماذج المدربة.

التطبيقات

تُستخدم مجموعة بيانات CIFAR-10 على نطاق واسع لتدريب وتقييم التعلم العميق النماذج في مهام تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs)، آلات ناقلات الدعم (SVMs)، وغيرها من خوارزميات تعلم الآلة المختلفة. إن تنوع مجموعة البيانات من حيث الفئات ووجود الصور الملونة يجعلها مجموعة بيانات شاملة للبحث والتطوير في مجال تعلم الآلة والرؤية الحاسوبية.

الاستخدام

لتدريب نموذج YOLO على مجموعة بيانات CIFAR-10 لمدة 100 دورات (epochs) بحجم صورة 32x32، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى النموذج التدريب.

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)

صور وعينات توضيحية

تحتوي مجموعة بيانات CIFAR-10 على صور ملونة لكائنات متنوعة، مما يوفر مجموعة بيانات جيدة التنظيم 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.

الاقتباسات 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 كريجيفسكي لإنشاء وصيانة مجموعة بيانات CIFAR-10 كمورد قيم لتعلم الآلة ورؤية الحاسوب مجتمع البحث. لمزيد من المعلومات حول مجموعة بيانات CIFAR-10 ومبتكرها، قم بزيارة موقع مجموعة بيانات CIFAR-10.

الأسئلة الشائعة

كيف 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 (epoch) 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، ارجع إلى النموذج التدريب.

ما 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:

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

تعد مجموعة البيانات المتنوعة هذه ضرورية لتدريب نماذج تصنيف الصور في مجالات مثل تعلم الآلة والرؤية الحاسوبية. لمزيد من المعلومات، تفضل بزيارة أقسام CIFAR-10 على هيكل مجموعة البيانات و تطبيقاتنا.

لماذا نستخدم مجموعة بيانات CIFAR-10 لمهام تصنيف الصور؟

تُعد 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 التلافيفية (CNNs) وخوارزميات تعلم الآلة الأخرى. حجم مجموعة البيانات صغير نسبياً، مما يجعلها مناسبة للتجريب السريع وتطوير الخوارزميات. استكشف تطبيقاتها العديدة في تطبيقاتنا.

كيف 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 وتقييم النماذج المدربة.

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

كيف 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}
}

إن تقدير منشئي مجموعة البيانات يساعد في دعم البحث والتطوير المستمر في هذا المجال. لمزيد من التفاصيل، راجع الاقتباسات والتقديرات.

ما هي بعض الأمثلة العملية لاستخدام مجموعة بيانات CIFAR-10؟

غالباً ما تُستخدم مجموعة بيانات CIFAR-10 لتدريب نماذج تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs) وآلات المتجهات الداعمة (SVMs). يمكن توظيف هذه النماذج في العديد من مهام الرؤية الحاسوبية بما في ذلك اكتشاف الكائنات, التعرف على الصور، والوسم الآلي. لرؤية بعض الأمثلة العملية، تحقق من مقتطفات الكود في الاستخدام.