مجموعة بيانات CIFAR-10

مجموعة بيانات CIFAR-10 (المعهد الكندي للأبحاث المتقدمة) عبارة عن مجموعة من الصور المستخدمة على نطاق واسع للتعلم الآلي وخوارزميات رؤية الكمبيوتر. تم تطويره من قبل باحثين في معهد CIFAR ويتكون من 60000 صورة ملونة 32 × 32 في 10 فئات مختلفة.

الميزات الرئيسية

• تتكون مجموعة بيانات CIFAR-10 من 60000 صورة مقسمة إلى 10 فئات.
• يحتوي كل فصل على 6000 صورة ، مقسمة إلى 5000 للتدريب و 1000 للاختبار.
• الصور ملونة وبحجم 32 × 32 بكسل.
• تمثل الفئات ال 10 المختلفة الطائرات والسيارات والطيور والقطط والغزلان والضفادع والخيول والسفن والشاحنات.
• يستخدم CIFAR-10 بشكل شائع للتدريب والاختبار في مجال التعلم الآلي ورؤية الكمبيوتر.

هيكل مجموعة البيانات

تنقسم مجموعة بيانات CIFAR-10 إلى مجموعتين فرعيتين:

1. مجموعة التدريب: تحتوي هذه المجموعة الفرعية على 50000 صورة مستخدمة لتدريب نماذج التعلم الآلي.
2. مجموعة الاختبار: تتكون هذه المجموعة الفرعية من 10000 صورة تستخدم لاختبار النماذج المدربة وقياسها.

التطبيقات

تستخدم مجموعة بيانات CIFAR-10 على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور ، مثل الشبكات العصبية التلافيفية (CNNs) ، ودعم آلات المتجهات (SVMs) ، والعديد من خوارزميات التعلم الآلي الأخرى. إن تنوع مجموعة البيانات من حيث الفئات ووجود الصور الملونة يجعلها مجموعة بيانات شاملة للبحث والتطوير في مجال التعلم الآلي ورؤية الكمبيوتر.

استخدام

لتدريب أ YOLO نموذج على مجموعة بيانات CIFAR-10 ل 100 حقبة بحجم صورة 32 × 32 ، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة نموذج التدريب .

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-cls.pt')  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=cifar10 model=yolov8n-cls.pt epochs=100 imgsz=32

عينة من الصور والتعليقات التوضيحية

تحتوي مجموعة بيانات CIFAR-10 على صور ملونة لكائنات مختلفة ، مما يوفر مجموعة بيانات جيدة التنظيم 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 مجموعة البيانات المتنوعة لتدريب نماذج تصنيف الصور القوية.

الاستشهادات والشكر

إذا كنت تستخدم مجموعة بيانات CIFAR-10 في أعمال البحث أو التطوير الخاصة بك ، فيرجى الاستشهاد بالورقة التالية:

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

نود أن نعرب عن تقديرنا لأليكس كريجيفسكي لإنشاء مجموعة بيانات CIFAR-10 وصيانتها كمورد قيم لمجتمع أبحاث التعلم الآلي ورؤية الكمبيوتر. لمزيد من المعلومات حول مجموعة بيانات CIFAR-10 ومنشئها، تفضل بزيارة موقع مجموعة بيانات CIFAR-10.

التعليقات