مجموعة بيانات MNIST
مجموعة بيانات MNIST (المعهد الوطني للمعايير والتقنية، المعدّل) هي معيار مرجعي لـتصنيف الصور، وتتألف من 70,000 صورة رمادية بأبعاد 28x28 لأرقام مكتوبة بخط اليد، موزعة على 10 فئات — من الرقم 0 إلى الرقم 9. تأتي المجموعة بتقسيم محدد مسبقًا يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، وقد خدمت طويلًا معيارًا مرجعيًا لتقييم خوارزميات التعلم الآلي والرؤية الحاسوبية. وللاطلاع على مجموعة مماثلة أصعب تتضمن صورًا للملابس، راجع مجموعة بيانات Fashion-MNIST ذات الصلة؛ أما للصور الملونة، فراجع CIFAR-10.
استكشف MNIST على منصة Ultralytics لمعاينة العينات، وفحص إحصاءات مجموعة البيانات، واستنساخها للتدريب.
الميزات الرئيسية#
- تضم MNIST عدد 60,000 صورة تدريب و10,000 صورة اختبار لأرقام مكتوبة بخط اليد، أي 70,000 صورة إجمالًا.
- كل صورة هي صورة رمادية بأبعاد 28x28 لرقم واحد، وقد طُبّع حجمها وأزيل التعرج منها لتناسب مربعًا بأبعاد 20x20 وتتمركز داخل إطار 28x28.
- تضم الفئات العشر الأرقام من 0 إلى 9، مع عدد متقارب تقريبًا من الصور لكل فئة.
- تأتي المجموعة بتقسيم محدد مسبقًا إلى تدريب واختبار، لذا لا حاجة إلى تقسيم يدوي أو تلقائي.
- تُعد MNIST معيارًا شائعًا لأبحاث تصنيف الصور والتعلم العميق.
بنية مجموعة البيانات#
تأتي MNIST بتقسيم رسمي محدد مسبقًا، لذا لا حاجة إلى تقسيم تلقائي أو يدوي:
- الفئات: 10 (أرقام مكتوبة بخط اليد من 0 إلى 9)
- إجمالي الصور: 70,000 (بتدرجات الرمادي، أبعاد 28x28)
- مجموعة التدريب: 60,000 صورة
- مجموعة الاختبار: 10,000 صورة
لا تحتوي MNIST على مجلد تحقق منفصل، لذا تستخدم Ultralytics مجموعة الاختبار المكونة من 10,000 صورة بوصفها مجموعة التحقق أثناء التدريب افتراضيًا.
تُوسم كل صورة بالرقم المقابل لها (0–9)، ما يجعل MNIST مجموعة بيانات خاضعة للإشراف ومثالية لمهام التصنيف.
التطبيقات#
تُستخدم MNIST على نطاق واسع لتدريب نماذج تصنيف الصور وتقييمها، بدءًا من الشبكات العصبية الالتفافية التقليدية (CNNs) وآلات المتجهات الداعمة (SVMs) وصولًا إلى البنى العميقة الحديثة. وتجعل صورها الرمادية الصغيرة وفئات أرقامها العشر منها معيارًا سريعًا قابلًا لإعادة الإنتاج لمقارنة الخوارزميات وتجارب الرؤية الحاسوبية.
تشمل بعض التطبيقات الشائعة ما يلي:
- قياس أداء خوارزميات التصنيف الجديدة
- أغراض تعليمية لتدريس مفاهيم التعلم الآلي
- إنشاء نماذج أولية لأنظمة التعرف على الصور
- اختبار تقنيات تحسين النماذج
الاستخدام#
درّب نموذج التصنيف YOLO26n-cls على MNIST لمدة 100 حقبة بحجم صور 28. تُنزّل مجموعة البيانات وتُخزّن مؤقتًا تلقائيًا عند الاستخدام الأول؛ وإذا كنت تفضّل التحكم الكامل في المعالجة المسبقة، تتوفر أيضًا أرشيفات gzip الأصلية من قاعدة بيانات MNIST.
from ultralytics import YOLO
# تحميل نموذج
model = YOLO("yolo26n-cls.pt") # تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)
# تدريب النموذج
results = model.train(data="mnist", epochs=100, imgsz=28)تتيح Ultralytics أيضًا data="mnist160"، وهي مجموعة فرعية من 160 صورة تضم أول ثماني صور لكل رقم (0–9) من مجموعتي التدريب والاختبار. وتتبع بنية مجلدات MNIST، لذا يمكنك تبديل مجموعات البيانات دون تغيير أي وسيطات أخرى — ما يجعلها مثالية لمسارات CI أو لاختبارات السلامة قبل اعتماد مجموعة البيانات الكاملة المؤلفة من 70,000 صورة.
yolo classify train data=mnist160 model=yolo26n-cls.pt epochs=5 imgsz=28صور وتعليقات توضيحية نموذجية#
صور نموذجية من مجموعة بيانات MNIST:

تُظهر العينات تنوع أنماط الكتابة اليدوية التي تلتقطها مجموعة البيانات عبر فئات الأرقام العشر.
الاستشهادات والشكر والتقدير#
إذا استخدمت مجموعة بيانات MNIST في أبحاثك أو أعمالك التطويرية، يُرجى الاستشهاد بالورقة البحثية التالية:
@article{lecun2010mnist,
title={MNIST handwritten digit database},
author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
journal={ATT Labs [Online]},
volume={2},
year={2010}
}نود أن نشكر Yann LeCun وCorinna Cortes وChristopher J.C. Burges على إنشاء مجموعة بيانات MNIST وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات MNIST ومنشئيها، راجع مقالة قاعدة بيانات MNIST على Wikipedia.
الأسئلة الشائعة#
مجموعة بيانات MNIST معيار مرجعي يضم 70,000 صورة رمادية بأبعاد 28x28 لأرقام مكتوبة بخط اليد، مقسمة إلى 60,000 صورة للتدريب و10,000 للاختبار ضمن الفئات العشر من 0 إلى 9. وهي المرجع القياسي لتقييم خوارزميات تصنيف الصور؛ إذ يتيح تنسيقها الصغير والموحد للباحثين والمهندسين مقارنة الأساليب وتتبع التقدم بأقل قدر من الإعداد، ولذلك لا تزال معيارًا مرجعيًا أوليًا شائعًا في التعلم الآلي.
تضم MNIST عشر فئات — الأرقام المكتوبة بخط اليد من 0 إلى 9 — و70,000 صورة رمادية إجمالًا، أبعاد كل منها 28x28 بكسل. وتأتي بتقسيم محدد مسبقًا يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، مع عدد متقارب من الأمثلة لكل رقم.
لتدريب نموذج Ultralytics YOLO على MNIST، استخدم مقتطفات الشيفرة أدناه. تُنزّل مجموعة البيانات تلقائيًا عند استخدامها لأول مرة. للاطلاع على قائمة مفصلة بوسيطات التدريب المتاحة، راجع صفحة التدريب.
مثال على التدريبfrom ultralytics import YOLO # تحميل نموذج model = YOLO("yolo26n-cls.pt") # تحميل نموذج مدرّب مسبقًا (موصى به للتدريب) # تدريب النموذج results = model.train(data="mnist", epochs=100, imgsz=28)تأتي MNIST بتقسيم محدد مسبقًا يضم 60,000 صورة تدريب و10,000 صورة اختبار. وعلى خلاف مجموعات بيانات التصنيف القائمة على المجلدات التي تقسّمها Ultralytics تلقائيًا، يُستخدم التقسيم الرسمي لـMNIST كما هو، وتُستخدم مجموعة الاختبار افتراضيًا مجموعةً للتحقق أثناء التدريب.
تحتوي مجموعة بيانات MNIST على أرقام مكتوبة بخط اليد فقط، بينما تتضمن مجموعة بيانات MNIST الموسعة (EMNIST) الأرقام والأحرف الكبيرة والصغيرة. طُوّرت EMNIST بوصفها خليفةً لـMNIST، وتستخدم تنسيق البكسل نفسه بأبعاد 28x28، ما يجعلها متوافقة مع الأدوات والنماذج المصممة لمجموعة بيانات MNIST الأصلية. ويجعل هذا النطاق الأوسع من المحارف EMNIST مفيدة لمجموعة أكبر من تطبيقات التعلم الآلي.
نعم. تتيح لك منصة Ultralytics تحميل مجموعات البيانات وتدريب نماذج تصنيف الصور ونشرها دون الحاجة إلى كتابة شيفرة مكثفة. وهي طريقة ملائمة لإجراء تجارب MNIST سحابيًا — راجع نظرة عامة على مجموعات بيانات التصنيف للاطلاع على الخيارات ذات الصلة.
تُعد MNIST أبسط من كثير من مجموعات البيانات الحديثة مثل CIFAR-10 أو ImageNet، ما يجعلها مثالية للمبتدئين والتجارب السريعة. وعلى الرغم من أن مجموعات البيانات الأكثر تعقيدًا تقدم تحديات أكبر بصورها الملونة وفئات الكائنات المتنوعة، تظل MNIST قيّمة لبساطتها وصغر حجم ملفاتها وأهميتها التاريخية في تطوير خوارزميات التعلم الآلي. وللاطلاع على بديل أصعب يمكن استخدامه مباشرةً بالبنية نفسها، راجع Fashion-MNIST، التي تتضمن قطعًا من الملابس بدلًا من الأرقام.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.



