مجموعة بيانات MNIST#
مجموعة بيانات MNIST (المعهد الوطني للمعايير والتكنولوجيا المعدّل) هي معيار مرجعي لـتصنيف الصور يضم 70,000 صورة بتدرجات الرمادي، بدقة 28x28، لأرقام مكتوبة بخط اليد ضمن 10 فئات — الأرقام من 0 إلى 9. تأتي المجموعة مع تقسيم محدد مسبقًا يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، وقد استُخدمت منذ فترة طويلة معيارًا مرجعيًا قياسيًا لتقييم خوارزميات تعلّم الآلة والرؤية الحاسوبية. وللاطلاع على النظير الأصعب لصور الملابس، راجع مجموعة بيانات Fashion-MNIST ذات الصلة؛ وللصور الملونة، راجع CIFAR-10.
استكشف MNIST على منصة Ultralytics لمعاينة العينات، وفحص إحصاءات مجموعة البيانات، واستنساخها للتدريب.
الميزات الرئيسية#
- تحتوي MNIST على 60,000 صورة تدريب و10,000 صورة اختبار لأرقام مكتوبة بخط اليد، بإجمالي 70,000 صورة.
- كل صورة عبارة عن صورة بتدرجات الرمادي لأحد الأرقام، بأبعاد 28x28، وقد جرى تطبيعها وتنعيم حوافها داخل مربع إحاطة ثابت بأبعاد 28x28.
- تشمل الفئات العشر الأرقام من 0 إلى 9، مع عدد متقارب تقريبًا من الصور لكل فئة.
- تأتي المجموعة مع تقسيم محدد مسبقًا إلى التدريب والاختبار، لذا لا حاجة إلى إجراء تقسيم يدوي أو تلقائي.
- تُعد MNIST معيارًا مرجعيًا قياسيًا لأبحاث تصنيف الصور والتعلّم العميق.
بنية مجموعة البيانات#
تأتي MNIST مع تقسيم 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 (28x28 بتدرجات الرمادي)
- مجموعة التدريب: 60,000 صورة
- مجموعة الاختبار: 10,000 صورة
لا تحتوي MNIST على مجلد تحقق منفصل، لذا تستخدم Ultralytics مجموعة الاختبار المكوّنة من 10,000 صورة كتقسيم للتحقق أثناء التدريب افتراضيًا.
تُوسم كل صورة بالرقم المقابل لها (0–9)، مما 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 (CNNs) وآلات المتجهات الداعمة (SVMs) التقليدية ووصولًا إلى البنى العميقة الحديثة. وتجعل صورها الصغيرة ذات التدرجات الرمادية وفئاتها العشر للأرقام منها معيارًا مرجعيًا سريعًا وقابلًا لإعادة الإنتاج لمقارنة الخوارزميات وتجارب الرؤية الحاسوبية.
تشمل بعض التطبيقات الشائعة ما يلي:
- مقارنة أداء خوارزميات التصنيف الجديدة
- الأغراض التعليمية لتدريس مفاهيم تعلّم الآلة
- إنشاء نماذج أولية لأنظمة التعرّف على الصور
- اختبار تقنيات تحسين النماذج
الاستخدام#
درّب نموذج تصنيف YOLO على MNIST لمدة 100 حقبة وبحجم صورة 28. تُنزّل مجموعة البيانات وتُخزّن مؤقتًا تلقائيًا عند الاستخدام الأول؛ وإذا كنت تفضّل التحكم الكامل في المعالجة المسبقة، فتتوفر أيضًا أرشيفات gzip الأصلية من قاعدة بيانات MNIST. للحصول على القائمة الكاملة للوسائط المتاحة، راجع صفحة التدريب ودليل مهمة تصنيف الصور.
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="mnist", epochs=100, imgsz=28)تتيح Ultralytics أيضًا data="mnist160"، وهي شريحة مكوّنة من 160 صورة تشمل الصور الثماني الأولى لكل رقم (0–9) من تقسيمي التدريب والاختبار معًا. وتحاكي بنية مجلدات MNIST، لذا يمكنك تبديل مجموعات البيانات دون تغيير أي وسائط أخرى — وهو أمر مثالي لخطوط CI أو فحوصات السلامة قبل اعتماد مجموعة البيانات الكاملة المكوّنة من 70,000 صورة.
yolo classify train data=mnist160 model=yolo26n-cls.pt epochs=5 imgsz=28الصور والتعليقات التوضيحية النموذجية#
صور نموذجية من مجموعة بيانات MNIST:
تُظهر العينات نطاق أنماط الكتابة اليدوية التي تلتقطها مجموعة البيانات عبر فئات الأرقام العشر.
الاقتباسات والشكر والتقدير#
إذا استخدمت مجموعة بيانات MNIST في أبحاثك أو أعمال التطوير، 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 الإقرار بفضل Yann LeCun وCorinna Cortes وChristopher J.C. Burges في إنشاء مجموعة بيانات MNIST وصيانتها باعتبارها موردًا قيّمًا لمجتمع أبحاث تعلّم الآلة والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات MNIST ومنشئيها، يُرجى زيارة موقع مجموعة بيانات MNIST.
الأسئلة الشائعة#
مجموعة بيانات MNIST هي معيار مرجعي يضم 70,000 صورة بتدرجات الرمادي، بدقة 28x28، لأرقام مكتوبة بخط اليد، مقسمة إلى 60,000 صورة للتدريب و10,000 صورة للاختبار عبر الفئات العشر من 0 إلى 9. وهي المرجع القياسي لتقييم خوارزميات تصنيف الصور — إذ يتيح تنسيقها الصغير والموحّد للباحثين والمهندسين مقارنة الأساليب وتتبع التقدم بأقل قدر من الإعداد، ولذلك تظل معيارًا مرجعيًا أوليًا شائعًا في تعلّم الآلة.
تضم MNIST 10 فئات — الأرقام المكتوبة بخط اليد من 0 إلى 9 — و70,000 صورة بتدرجات الرمادي إجمالًا، أبعاد كل منها 28x28 بكسل. وتأتي مع تقسيم محدد مسبقًا يضم 60,000 صورة للتدريب و10,000 صورة للاختبار، مع عدد متقارب تقريبًا من الأمثلة لكل رقم.
لتدريب نموذج Ultralytics YOLO على MNIST، استخدم مقتطفات التعليمات البرمجية أدناه. تُنزّل مجموعة البيانات تلقائيًا عند الاستخدام الأول. للحصول على قائمة تفصيلية بوسائط التدريب المتاحة، راجع صفحة التدريب.
مثال على التدريبfrom 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="mnist", epochs=100, imgsz=28)تأتي MNIST مع تقسيم محدد مسبقًا يضم 60,000 صورة للتدريب و10,000 صورة للاختبار. بخلاف مجموعات بيانات التصنيف القائمة على المجلدات، التي تقسّمها Ultralytics تلقائيًا، يُستخدم التقسيم الرسمي لـMNIST كما هو، وتُستخدم مجموعة الاختبار كتقسيم للتحقق أثناء التدريب افتراضيًا.
تحتوي مجموعة بيانات MNIST على أرقام مكتوبة بخط اليد فقط، بينما تتضمن مجموعة بيانات MNIST الموسّعة (EMNIST) الأرقام والأحرف الكبيرة والصغيرة. طُوّرت EMNIST بوصفها خلفًا لـMNIST، وتستخدم تنسيق البكسلات نفسه بأبعاد 28x28، مما يجعلها متوافقة مع الأدوات والنماذج المصممة لمجموعة بيانات MNIST الأصلية. ويجعل هذا النطاق الأوسع من الأحرف EMNIST مفيدة لمجموعة أكبر من تطبيقات تعلّم الآلة.
نعم. تتيح لك منصة Ultralytics رفع مجموعات البيانات، وتدريب نماذج تصنيف الصور، ونشرها دون الحاجة إلى كتابة تعليمات برمجية مكثفة. وهي طريقة ملائمة لإجراء تجارب MNIST في السحابة — 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، مما يجعلها مثالية للمبتدئين وللتجارب السريعة. وبينما توفر مجموعات البيانات الأكثر تعقيدًا تحديات أكبر مع الصور الملونة وفئات الكائنات المتنوعة، تظل MNIST قيّمة لبساطتها، وصغر حجم ملفاتها، وأهميتها التاريخية في تطوير خوارزميات تعلّم الآلة. وللحصول على بديل أصعب يمكن استخدامه مباشرةً مع البنية نفسها، راجع Fashion-MNIST، التي تتضمن عناصر ملابس بدلًا من الأرقام.