رؤية YOLO 2026:
No license

مجموعة بيانات CIFAR-100#

مجموعة بيانات CIFAR-100 (المعهد الكندي للأبحاث المتقدمة) هي معيار مرجعي لـتصنيف الصور يتكوّن من 60,000 صورة ملوّنة بحجم 32x32 موزّعة بالتساوي على 100 فئة دقيقة (600 صورة لكل فئة)، وتُجمَّع بدورها ضمن 20 فئة فائقة عامة. أنشأها Alex Krizhevsky، وتأتي مقسّمة مسبقًا إلى 50,000 صورة للتدريب و10,000 صورة للاختبار، ما يجعلها النظير الأصعب والأكثر دقة من مجموعة بيانات CIFAR-10.

استكشف CIFAR-100 على منصة Ultralytics لمعاينة العينات، وفحص إحصاءات مجموعة البيانات، واستنساخها للتدريب.



Watch: How to Train an Image Classification Model on CIFAR-100 using Ultralytics YOLO

الميزات الرئيسية#

  • تحتوي CIFAR-100 على 60,000 صورة ملوّنة بحجم 32x32 بكسل، مقسّمة بالتساوي إلى 100 فئة.
  • تحتوي كل فئة على 600 صورة بالضبط — 500 للتدريب و100 للاختبار — ولذلك فإن مجموعة البيانات متوازنة تمامًا.
  • تُجمَّع الفئات الدقيقة المئة ضمن 20 فئة فائقة عامة للتصنيف على مستوى أعلى.
  • تأتي مجموعة البيانات مقسّمة مسبقًا إلى التدريب والاختبار، ولذلك لا حاجة إلى إجراء تقسيم يدوي أو تلقائي.
  • تُعد CIFAR-100 معيارًا مرجعيًا شائعًا لأبحاث تصنيف الصور الدقيق والتعرّف على الكائنات.

بنية مجموعة البيانات#

تأتي CIFAR-100 مع تقسيم رسمي ومُعرَّف مسبقًا، ولذلك لا حاجة إلى إجراء تقسيم تلقائي أو يدوي:

  • الفئات: 100 فئة دقيقة، مُجمَّعة ضمن 20 فئة فائقة عامة
  • إجمالي الصور: 60,000 (ملوّنة بحجم 32x32)
  • مجموعة التدريب: 50,000 صورة (500 لكل فئة)
  • مجموعة الاختبار: 10,000 صورة (100 لكل فئة)
تقسيم التحقق

لا تحتوي CIFAR-100 على مجلد تحقق منفصل، ولذلك تستخدم Ultralytics مجموعة الاختبار المؤلفة من 10,000 صورة بوصفها تقسيم التحقق أثناء التدريب افتراضيًا. ويعمل التدريب باستخدام data="cifar100" على تعلّم الفئات الدقيقة المئة.

التطبيقات#

تُستخدم CIFAR-100 على نطاق واسع لتدريب نماذج تصنيف الصور وتقييمها، بدءًا من الشبكات العصبية الالتفافية (CNNs) وآلات المتجهات الداعمة (SVMs) التقليدية ووصولًا إلى البنى العميقة الحديثة. وتجعل فئاتها الدقيقة المئة وحجم صورها الصغير منها معيارًا مرجعيًا صعبًا لأبحاث التعلّم الآلي، ومقارنة الخوارزميات، وتجارب الرؤية الحاسوبية.

الاستخدام#

درّب نموذج YOLO على CIFAR-100 لمدة 100 حقبة وبحجم صورة قدره 32. للحصول على القائمة الكاملة للوسائط المتاحة، راجع صفحة التدريب ودليل مهمة تصنيف الصور.

مثال على 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="cifar100", epochs=100, imgsz=32)

الصور والتعليقات التوضيحية النموذجية#

صور نموذجية من مجموعة بيانات CIFAR-100:

عينات من مجموعة بيانات تصنيف الصور CIFAR-100

تُظهر العينات تنوّع الكائنات في مجموعة بيانات CIFAR-100، وتؤكد قيمة مجموعة البيانات المتنوعة في تدريب نماذج قوية لتصنيف الصور.

الاقتباسات والشكر والتقدير#

إذا استخدمت مجموعة بيانات CIFAR-100 في أبحاثك أو أعمالك التطويرية، يُرجى الاستشهاد بالورقة البحثية التالية:

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

نودّ الإقرار بفضل Alex Krizhevsky في إنشاء مجموعة بيانات CIFAR-100 وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث التعلّم الآلي والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات CIFAR-100 ومنشئها، تفضل بزيارة موقع مجموعة بيانات CIFAR-100.

الأسئلة الشائعة#

  • تُستخدم مجموعة بيانات CIFAR-100 على نطاق واسع لتدريب نماذج [تصنيف الصور](https://ultralytics-translation-1.invalid الدقيق والتعرّف على الكائنات وقياس أدائها. وتحتوي على 60,000 صورة ملوّنة بحجم 32x32 موزّعة على 100 فئة مجمّعة ضمن 20 فئة فائقة، ما يجعلها معيارًا مرجعيًا أكثر تحديًا من CIFAR-10 لخوارزميات مثل الشبكات العصبية الالتفافية (CNNs) وآلات المتجهات الداعمة (SVMs)، ولتقييم نماذج التعلّم العميق المبنية باستخدام Ultralytics YOLO.

  • لتدريب نموذج Ultralytics YOLO على CIFAR-100، استخدم مقتطفات التعليمات البرمجية أدناه. تُنزَّل مجموعة البيانات تلقائيًا عند الاستخدام الأول. للحصول على القائمة الكاملة للوسائط، راجع صفحة تدريب النموذج.

    مثال على 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="cifar100", epochs=100, imgsz=32)

  • تحتوي CIFAR-100 على 100 فئة دقيقة — مثل التفاح والدلفين وشجرة القيقب والدراجة النارية والصاروخ — مع 600 صورة بالضبط لكل فئة، أي 60,000 صورة إجمالًا. وتُجمَّع هذه الفئات المئة أيضًا ضمن 20 فئة فائقة عامة (فعلى سبيل المثال، تشمل الفئة الفائقة للأشجار القيقب والبلوط والنخيل والصنوبر والصفصاف). ويستخدم التدريب باستخدام data="cifar100" الفئات الدقيقة المئة.

  • تأتي CIFAR-100 مقسّمة مسبقًا إلى 50,000 صورة للتدريب و10,000 صورة للاختبار، مع 500 صورة تدريب و100 صورة اختبار بالضبط لكل فئة. وبخلاف مجموعات بيانات التصنيف القائمة على المجلدات، التي تقسّمها Ultralytics تلقائيًا، يُستخدم التقسيم الرسمي لـCIFAR-100 كما هو، وتُستخدم مجموعة الاختبار بوصفها تقسيم التحقق أثناء التدريب افتراضيًا.

  • نعم. تتيح لك منصة Ultralytics إدارة مجموعات البيانات، وتدريب نماذج تصنيف الصور، ونشرها دون الحاجة إلى كتابة تعليمات برمجية مكثفة. وهي طريقة ملائمة لإجراء تجارب CIFAR-100 في السحابة، ويمكنك استكشاف مزيد من الخيارات في نظرة عامة على مجموعات بيانات التصنيف.

المساهمون
GLglenn-jocher16RAraimbekovm3RIRizwanMunawar2MAMatthewNoyce1JKjk4e1

التعليقات