مجموعة بيانات CIFAR-100

تعد مجموعة بيانات CIFAR-100 (المعهد الكندي للأبحاث المتقدمة) امتدادا مهما لمجموعة بيانات CIFAR-10 ، المكونة من 60000 صورة ملونة مقاس 32 × 32 في 100 فئة مختلفة. تم تطويره من قبل باحثين في معهد CIFAR ، مما يوفر مجموعة بيانات أكثر تحديا لمهام التعلم الآلي ورؤية الكمبيوتر الأكثر تعقيدا.

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

تستخدم مجموعة بيانات CIFAR-100 على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور ، مثل الشبكات العصبية التلافيفية (CNNs) ، وآلات دعم المتجهات (SVMs) ، والعديد من خوارزميات التعلم الآلي الأخرى. إن تنوع مجموعة البيانات من حيث الفئات ووجود الصور الملونة يجعلها مجموعة بيانات أكثر تحديا وشمولية للبحث والتطوير في مجال التعلم الآلي ورؤية الكمبيوتر.

استخدام

لتدريب أ YOLO نموذج على مجموعة بيانات CIFAR-100 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='cifar100', epochs=100, imgsz=32)

# Start training from a pretrained *.pt model
yolo detect train data=cifar100 model=yolov8n-cls.pt epochs=100 imgsz=32

عينة من الصور والتعليقات التوضيحية

تحتوي مجموعة بيانات CIFAR-100 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-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}
}

نود أن نعرب عن تقديرنا لأليكس كريجيفسكي لإنشاء وصيانة مجموعة بيانات CIFAR-100 كمورد قيم لمجتمع أبحاث التعلم الآلي ورؤية الكمبيوتر. لمزيد من المعلومات حول مجموعة بيانات CIFAR-100 ومنشئها، تفضل بزيارة موقع مجموعة بيانات CIFAR-100 على الويب.

التعليقات