انتقل إلى المحتوى

مجموعة بيانات CIFAR-100

The CIFAR-100 (Canadian Institute For Advanced Research) dataset is a significant extension of the CIFAR-10 dataset, composed of 60,000 32x32 color images in 100 different classes. It was developed by researchers at the CIFAR institute, offering a more challenging dataset for more complex machine learning and computer vision tasks.

الميزات الرئيسية

  • تتكون مجموعة بيانات CIFAR-100 من 60000 صورة مقسمة إلى 100 فئة.
  • يحتوي كل فصل على 600 صورة ، مقسمة إلى 500 للتدريب و 100 للاختبار.
  • الصور ملونة وبحجم 32 × 32 بكسل.
  • يتم تجميع 100 فئة مختلفة في 20 فئة خشنة لتصنيف المستوى الأعلى.
  • يستخدم CIFAR-100 بشكل شائع للتدريب والاختبار في مجال التعلم الآلي ورؤية الكمبيوتر.

هيكل مجموعة البيانات

تنقسم مجموعة بيانات CIFAR-100 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

The CIFAR-100 dataset is extensively used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), and various other machine learning algorithms. The diversity of the dataset in terms of classes and the presence of color images make it a more challenging and comprehensive dataset for research and development in the field of machine learning and computer vision.

استخدام

To train a YOLO model on the CIFAR-100 dataset for 100 epochs with an image size of 32x32, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

مثال القطار

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar100", epochs=100, imgsz=32)
# Start training from a pretrained *.pt model
yolo classify train data=cifar100 model=yolo11n-cls.pt epochs=100 imgsz=32

عينة من الصور والتعليقات التوضيحية

The CIFAR-100 dataset contains color images of various objects, providing a well-structured dataset for image classification tasks. Here are some examples of images from the dataset:

صورة عينة مجموعة البيانات

يعرض المثال تنوع وتعقيد الكائنات في مجموعة بيانات CIFAR-100 ، مما يسلط الضوء على أهمية مجموعة البيانات المتنوعة لتدريب نماذج تصنيف الصور القوية.

الاستشهادات والشكر

إذا كنت تستخدم مجموعة بيانات CIFAR-100 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}
}

We would like to acknowledge Alex Krizhevsky for creating and maintaining the CIFAR-100 dataset as a valuable resource for the machine learning and computer vision research community. For more information about the CIFAR-100 dataset and its creator, visit the CIFAR-100 dataset website.

الأسئلة المتداولة

ما هي مجموعة بيانات CIFAR-100 ولماذا هي مهمة؟

The CIFAR-100 dataset is a large collection of 60,000 32x32 color images classified into 100 classes. Developed by the Canadian Institute For Advanced Research (CIFAR), it provides a challenging dataset ideal for complex machine learning and computer vision tasks. Its significance lies in the diversity of classes and the small size of the images, making it a valuable resource for training and testing deep learning models, like Convolutional Neural Networks (CNNs), using frameworks such as Ultralytics YOLO.

كيف يمكنني تدريب نموذج YOLO على مجموعة بيانات CIFAR-100؟

يمكنك تدريب نموذج YOLO على مجموعة بيانات CIFAR-100 باستخدام الأمرين Python أو CLI . إليك الطريقة:

مثال القطار

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar100", epochs=100, imgsz=32)
# Start training from a pretrained *.pt model
yolo classify train data=cifar100 model=yolo11n-cls.pt epochs=100 imgsz=32

للاطلاع على قائمة شاملة بالوسائط المتاحة، يُرجى الرجوع إلى صفحة التدريب النموذجي.

ما هي التطبيقات الأساسية لمجموعة بيانات CIFAR-100؟

The CIFAR-100 dataset is extensively used in training and evaluating deep learning models for image classification. Its diverse set of 100 classes, grouped into 20 coarse categories, provides a challenging environment for testing algorithms such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), and various other machine learning approaches. This dataset is a key resource in research and development within machine learning and computer vision fields.

كيف يتم تنظيم مجموعة بيانات CIFAR-100؟

تنقسم مجموعة بيانات CIFAR-100 إلى مجموعتين فرعيتين رئيسيتين:

  1. مجموعة التدريب: تحتوي على 50,000 صورة مستخدمة لتدريب نماذج التعلم الآلي.
  2. مجموعة الاختبار: تتألف من 10,000 صورة تُستخدم لاختبار النماذج المدرّبة وقياسها.

تحتوي كل فئة من الفصول المائة على 600 صورة، منها 500 صورة للتدريب و100 صورة للاختبار، مما يجعلها مناسبة بشكل فريد للأبحاث الأكاديمية والصناعية الصارمة.

أين يمكنني العثور على عينة من الصور والشروح من مجموعة بيانات CIFAR-100؟

تشتمل مجموعة بيانات CIFAR-100 على مجموعة متنوعة من الصور الملونة لأجسام مختلفة، مما يجعلها مجموعة بيانات منظمة لمهام تصنيف الصور. يمكنك الرجوع إلى صفحة التوثيق للاطلاع على عينة من الصور والتعليقات التوضيحية. تسلط هذه الأمثلة الضوء على تنوع مجموعة البيانات وتعقيدها، وهو أمر مهم لتدريب نماذج تصنيف الصور القوية.


📅 Created 11 months ago ✏️ Updated 12 days ago

التعليقات