ابدأ

مجموعة بيانات ImageWoof

مجموعة بيانات ImageWoof هي مجموعة فرعية من ImageNet تتألف من 10 فئات لسلالات كلاب يصعب عمدًا التمييز بينها، وقد أنشأتها fast.ai لتشكل تحديًا أكبر لخوارزميات تصنيف الصور. وتضم 12,954 صورة ملونة — 9,025 للتدريب و3,929 للتحقق — لسلالات مثل البيغل والشيه تزو والغولدن ريتريفر، ما يدفع النماذج إلى تمييز الفروق الدقيقة والتفصيلية بدلًا من فئات الأشياء الواضحة.

الميزات الرئيسية#

  • تضم ImageWoof عدد 12,954 صورة موزعة على 10 سلالات من الكلاب: التيرير الأسترالي، وتيرير بوردر، والسمويد، والبيغل، والشيه تزو، وكلب الصيد الإنجليزي، والريدجباك الروديسي، والدينغو، والغولدن ريتريفر، وكلب الراعي الإنجليزي القديم.
  • تأتي المجموعة بتقسيم محدد مسبقًا يضم 9,025 صورة للتدريب و3,929 للتحقق، وهي متاحة بدقات متنوعة (الحجم الكامل و320px و160px) لتناسب ميزانيات الحوسبة المختلفة.
  • وتتضمن أيضًا إصدارًا ذا تسميات مشوشة، ما يوفر سيناريو أكثر واقعية لا تكون فيه التسميات موثوقة دائمًا.

بنية مجموعة البيانات#

تأتي ImageWoof بتقسيم محدد مسبقًا إلى التدريب والتحقق، مع تخزين كل سلالة من الكلاب في مجلد مستقل:

المجموعة الفرعيةالصورالفئات
التدريب9,02510
التحقق3,92910

نظرًا إلى أن الفئات العشر كلها سلالات من الكلاب، فقد صُمم التقسيم لاختبار التصنيف الدقيق — أي التمييز بين الفئات المتشابهة بصريًا — بدلًا من التعرّف العام على الأشياء في مجموعة بيانات ImageNet الكاملة.

التطبيقات#

تُستخدم مجموعة بيانات ImageWoof على نطاق واسع لتدريب نماذج التعلّم العميق وتقييمها على فئات أكثر تعقيدًا وتشابهًا. ويكمن التحدي فيها في الفروق الدقيقة بين سلالات الكلاب، ما يدفع حدود أداء النماذج وقدرتها على التعميم. وهي قيّمة بوجه خاص من أجل:

  • قياس أداء التصنيف في الفئات الدقيقة
  • اختبار متانة النماذج في مواجهة الفئات المتشابهة في المظهر
  • تطوير خوارزميات قادرة على تمييز الفروق البصرية الدقيقة
  • تقييم التعلم بالنقل من المجالات العامة إلى المجالات المتخصصة

الاستخدام#

من أجل تدريب نموذج تصنيف YOLO26n-cls على مجموعة بيانات ImageWoof لمدة 100 حقبة باستخدام حجم صورة يبلغ 224x224، استخدم مقتطفات التعليمات البرمجية أدناه.

مثال على التدريب
from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n-cls.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

# ⁨تدريب النموذج⁩
results = model.train(data="imagewoof", epochs=100, imgsz=224)

إصدارات مجموعة البيانات#

تتوفر ImageWoof بثلاثة أحجام لتلبية احتياجات الأبحاث وميزانيات الحوسبة المختلفة:

  1. الحجم الكامل (imagewoof): الإصدار الأصلي ذو الصور كاملة الحجم، وهو مثالي للتدريب النهائي وقياس الأداء.
  2. الحجم المتوسط (imagewoof320): صور مُعاد تحجيمها إلى طول حافة أقصى يبلغ 320 بكسل، وهي مناسبة للتدريب الأسرع دون التضحية بأداء النموذج بدرجة كبيرة.
  3. الحجم الصغير (imagewoof160): صور مُعاد تحجيمها إلى طول حافة أقصى يبلغ 160 بكسل، وهي مصممة لإنشاء النماذج الأولية والتجريب بسرعة عندما تكون سرعة التدريب أولوية.

لاستخدام هذه الإصدارات، استبدل ببساطة imagewoof في وسيطة مجموعة البيانات بـ imagewoof320 أو imagewoof160. على سبيل المثال:

مثال
from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n-cls.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

# ⁨لمجموعة البيانات متوسطة الحجم⁩
model.train(data="imagewoof320", epochs=100, imgsz=224)

# ⁨لمجموعة البيانات صغيرة الحجم⁩
model.train(data="imagewoof160", epochs=100, imgsz=224)

يُرجح أن تؤدي الصور الأصغر حجمًا إلى انخفاض الدقة في التصنيف، لكنها وسيلة ممتازة للتكرار السريع في المراحل الأولى من تطوير النموذج. ويمكنك أيضًا إدارة مجموعات بيانات التصنيف وتشغيل التدريب سحابيًا باستخدام منصة Ultralytics.

صور وتعليقات توضيحية نموذجية#

تحتوي مجموعة بيانات ImageWoof على صور ملونة لسلالات كلاب متنوعة، ما يوفر مجموعة بيانات صعبة لمهام تصنيف الصور. فيما يلي بعض أمثلة الصور من مجموعة البيانات:

عينات من مجموعة بيانات تصنيف سلالات الكلاب ImageWoof

يوضح المثال أوجه التشابه والاختلاف الدقيقة بين سلالات الكلاب المختلفة، ويسلط الضوء على مدى تعقيد مهمة التصنيف وصعوبتها.

الاستشهادات والشكر والتقدير#

إذا استخدمت مجموعة بيانات ImageWoof في أبحاثك أو أعمال التطوير، فيُرجى الإقرار بمطوري مجموعة البيانات عبر رابط إلى مستودع مجموعة البيانات الرسمي.

نود أن نعرب عن تقديرنا لفريق fast.ai لإنشاء ImageWoof وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث التعلّم الآلي والرؤية الحاسوبية. لمزيد من المعلومات عن ImageWoof، تفضل بزيارة مستودع مجموعة بيانات ImageWoof.

الأسئلة الشائعة#

  • مجموعة بيانات ImageWoof هي مجموعة فرعية صعبة من ImageNet، تركّز على 10 سلالات من الكلاب وتضم 12,954 صورة (9,025 للتدريب و3,929 للتحقق). أنشأتها fast.ai لدفع حدود نماذج تصنيف الصور، وتضم سلالات مثل البيغل، وشيه تزو، والغولدن ريتريفر. تتوفر مجموعة البيانات بدقات مختلفة (الحجم الكامل و320px و160px)، وتتضمن أيضًا تسميات مشوشة لمحاكاة سيناريوهات تدريب أكثر واقعية، ما يجعلها مثالية لتطوير نماذج متقدمة للتعلم العميق.

  • تضم ImageWoof إجمالًا 12,954 صورة — 9,025 للتدريب و3,929 للتحقق — موزعة على 10 سلالات من الكلاب: التيرير الأسترالي، وتيرير الحدود، والسامويد، والبيغل، وشيه تزو، وكلب الثعالب الإنجليزي، والريدجباك الروديسي، والدينغو، والغولدن ريتريفر، وكلب الراعي الإنجليزي القديم. تُخزّن كل سلالة في مجلد مستقل، وفق تنسيق التصنيف القياسي الذي تتوقعه Ultralytics.

  • لتدريب نموذج تصنيف على مجموعة بيانات ImageWoof باستخدام Ultralytics YOLO لمدة 100 حقبة وبحجم صور 224x224، استخدم الشيفرة التالية:

    مثال على التدريب
    from ultralytics import YOLO
    
    model = YOLO("yolo26n-cls.pt")  # ⁨تحميل نموذج مدرَّب مسبقًا⁩
    results = model.train(data="imagewoof", epochs=100, imgsz=224)

    لمزيد من التفاصيل حول وسيطات التدريب المتاحة، راجع صفحة التدريب.

  • تتوفر مجموعة بيانات ImageWoof بثلاثة أحجام:

    1. الحجم الكامل (imagewoof): مثالي للتدريب النهائي وقياس الأداء، ويتضمن صورًا بالحجم الكامل.
    2. الحجم المتوسط (imagewoof320): صور أُعيد تغيير حجمها بحيث لا يتجاوز طول الحافة القصوى 320 بكسل، ومناسبة للتدريب الأسرع.
    3. الحجم الصغير (imagewoof160): صور معاد تحجيمها بحيث لا يتجاوز طول الحافة 160 بكسل، وهي مناسبة للنمذجة الأولية السريعة.

    استخدم هذه الإصدارات باستبدال imagewoof في وسيط مجموعة البيانات بالإصدار المناسب. لاحظ أن الصور الأصغر قد تؤدي إلى دقة تصنيف أقل، لكنها مفيدة لتسريع دورات التكرار.

  • تحاكي التسميات المشوشة في مجموعة بيانات ImageWoof ظروف العالم الحقيقي التي لا تكون فيها التسميات دقيقة دائمًا. ويساعد تدريب النماذج باستخدام هذه البيانات على تطوير المتانة والقدرة على التعميم في مهام تصنيف الصور. كما يهيئ النماذج للتعامل بفاعلية مع البيانات الملتبسة أو ذات التسميات الخاطئة، وهي حالات شائعة في التطبيقات العملية.

  • يكمن التحدي الأساسي في ImageWoof في الفروق الدقيقة بين سلالات الكلاب التي تضمها. ولأنها تركز على 10 سلالات متقاربة، يتطلب التمييز بينها نماذج تصنيف صور أكثر تقدمًا وضبطًا. وهذا يجعل ImageWoof معيارًا ممتازًا لاختبار قدرات نماذج التعلم العميق وتحسيناتها.

التعليقات

اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.