CIFAR-10

📅 آخر تحديث: ٢٧ يوليو ٢٠٢٦
✍️ نُشر في: ٢٧ يوليو ٢٠٢٦
الموسوعة الحرة

مجموعة بيانات CIFAR -10 ( المعهد الكندي للأبحاث المتقدمة ) هي مجموعة من الصور شائعة الاستخدام لتدريب خوارزميات التعلم الآلي ورؤية الحاسوب . تُعدّ من أكثر مجموعات البيانات استخدامًا في أبحاث التعلم الآلي. [ 1 ] [ 2 ] تحتوي مجموعة بيانات CIFAR-10 على 60,000 صورة ملونة بحجم 32×32 بكسل، موزعة على 10 فئات مختلفة. [ 3 ] تمثل هذه الفئات الطائرات، والسيارات، والطيور، والقطط، والغزلان، والكلاب، والضفادع، والخيول، والسفن، والشاحنات. يوجد 6,000 صورة من كل فئة. [ 4 ]

تتعلم خوارزميات الحاسوب المستخدمة للتعرف على الأشياء في الصور غالبًا من خلال الأمثلة. تُعدّ مجموعة بيانات CIFAR-10 مجموعة صور يمكن استخدامها لتعليم الحاسوب كيفية التعرف على الأشياء. ونظرًا لأن صور CIFAR-10 منخفضة الدقة (32×32 بكسل)، فإن هذه المجموعة تُمكّن الباحثين من تجربة خوارزميات مختلفة بسرعة لمعرفة أيها أنجح.

CIFAR-10 هي مجموعة فرعية مصنفة من مجموعة بيانات 80 مليون صورة صغيرة من عام 2008، والتي نُشرت في عام 2009. عندما تم إنشاء مجموعة البيانات، تم دفع أجر للطلاب مقابل تصنيف جميع الصور. [ 5 ]

تميل أنواع مختلفة من الشبكات العصبية الالتفافية إلى أن تكون الأفضل في التعرف على الصور في CIFAR-10.

أوراق بحثية تدعي تحقيق نتائج متطورة في CIFAR-10

هذا جدولٌ يضم بعض الأبحاث التي تدّعي تحقيق نتائج متقدمة على مجموعة بيانات CIFAR-10. لا تتبع جميع الأبحاث نفس تقنيات المعالجة المسبقة، مثل قلب الصور أو تحريكها. لذا، من الممكن أن يكون ادعاء بحثٍ ما بأنه الأفضل في مجاله أعلى نسبة خطأ من ادعاءٍ أقدم، ولكنه يظل صحيحًا.

عنوان الورقةمعدل الخطأ (%)تاريخ النشر
شبكات الاعتقاد العميق التلافيفية على CIFAR-10 [ 6 ]21.1أغسطس 2010
شبكات ماكس أوت [ 7 ]9.3813 فبراير 2013
الشبكات المتبقية الواسعة [ 8 ]4.023 مايو 2016
البحث عن بنية الشبكة العصبية باستخدام التعلم المعزز [ 9 ]3.654 نوفمبر 2016
التجميع الأقصى الجزئي [ 10 ]3.4718 ديسمبر 2014
الشبكات الالتفافية ذات الاتصال الكثيف [ 11 ]3.4624 أغسطس 2016
تنظيم الاهتزاز [ 12 ]2.8621 مايو 2017
مجموعات مترابطة من الشبكات العصبية [ 13 ]2.6818 سبتمبر 2017
تنظيم ShakeDrop [ 14 ]2.677 فبراير 2018
تحسين تنظيم الشبكات العصبية الالتفافية باستخدام القطع [ 15 ]2.5615 أغسطس 2017
التطور المنتظم للبحث عن بنية مصنف الصور [ 16 ]2.136 فبراير 2018
إعادة التفكير في الشبكات العصبية المتكررة وغيرها من التحسينات لتصنيف الصور [ 17 ]1.6431 يوليو 2020
AutoAugment: تعلم سياسات التوسيع من البيانات [ 18 ]1.4824 مايو 2018
دراسة استقصائية حول البحث عن بنية الشبكات العصبية [ 19 ]1.334 مايو 2019
GPipe: التدريب الفعال للشبكات العصبية العملاقة باستخدام التوازي في خط الأنابيب [ 20 ]1.0016 نوفمبر 2018
تقليل عدم اليقين في تنشيط الفئة باستخدام المعلومات الأساسية [ 21 ]0.955 مايو 2023
صورة تساوي 16 × 16 كلمة: محولات للتعرف على الصور على نطاق واسع [ 22 ]0.52021

المعايير

يُستخدم معيار CIFAR-10 أيضًا كمعيار أداء للفرق المتنافسة على تشغيل الشبكات العصبية بشكل أسرع وأقل تكلفة. ويوفر موقع DAWNBench بيانات معيارية على موقعه الإلكتروني.

انظر أيضاً

مراجع

  1. ↑ "قياس التقدم في مجال الذكاء الاصطناعي" . مؤسسة الحدود الإلكترونية . ١٢ يونيو ٢٠١٧. مؤرشف من الأصل في ٧ أكتوبر ٢٠١٨. تم الاطلاع عليه بتاريخ ٢٢ يناير ٢٠٢٦ .
  2. ↑ "مجموعات البيانات الشائعة عبر الزمن | كاغل" . www.kaggle.com . تم الاطلاع عليه بتاريخ 11 ديسمبر 2017 .
  3. ↑ هوب، توم؛ ريشيف، يحزقيل س.؛ ليدر، إيتاي (9 أغسطس 2017). تعلم TensorFlow: دليل لبناء أنظمة التعلم العميق . دار نشر أورايلي ميديا، ص 64 وما بعدها. ISBN  9781491978481تم الاطلاع عليه بتاريخ 22 يناير 2018 .
  4. ↑ أنجيلوف، بلامين؛ جيجوف، ألكسندر؛ جاين، كريستينا؛ شين، تشيانغ (2016-09-06). التطورات في أنظمة الذكاء الحسابي: مساهمات قُدِّمت في ورشة العمل السادسة عشرة في المملكة المتحدة حول الذكاء الحسابي، 7-9 سبتمبر 2016، لانكستر، المملكة المتحدة . دار نشر سبرينغر الدولية. ص 441 وما يليها. ISBN  9783319465623تم الاطلاع عليه بتاريخ 22 يناير 2018 .
  5. ↑ كريزيفسكي، أليكس (2009). "تعلم طبقات متعددة من الميزات من الصور الصغيرة" (PDF) .
  6. ↑ "شبكات الاعتقاد العميق التلافيفية على CIFAR-10" (PDF) .
  7. ↑ غودفيلو، إيان جيه؛ وارد-فارلي، ديفيد؛ ميرزا، مهدي؛ كورفيل، آرون؛ بينجيو، يوشوا (2013-02-13). "شبكات ماكس آوت". arXiv : 1302.4389 [ stat.ML ].
  8. ↑ زاغورويكو، سيرجي؛ كوموداكيس، نيكوس (2016-05-23). ​​"الشبكات المتبقية الواسعة". arXiv : 1605.07146 [ cs.CV ].
  9. ↑ زوف، باريت؛ لي، كوك ف. (2016-11-04). "البحث عن بنية عصبية باستخدام التعلم المعزز". arXiv : 1611.01578 [ cs.LG ].
  10. ↑ غراهام، بنجامين (2014-12-18). "التجميع الأقصى الجزئي". arXiv : 1412.6071 [ cs.CV ].
  11. ↑ هوانغ، غاو؛ ليو، تشوانغ؛ واينبرغر، كيليان كيو؛ فان دير ماتن، لورينز (2016-08-24). "شبكات الالتفاف المتصلة بكثافة". arXiv : 1608.06993 [ cs.CV ].
  12. ↑ غاستالدي، خافيير (2017-05-21). "تنظيم الاهتزاز-الاهتزاز". arXiv : 1705.07485 [ cs.LG ].
  13. ↑ دوت، أنوفاب (2017-09-18). "مجموعات مترابطة من الشبكات العصبية". arXiv : 1709.06053 [ cs.CV ].
  14. ^ يامادا، يوشيهيرو. إيوامورا، ماساكازو؛ كيسي ، كويتشي (2018/02/07). "تنظيم Shakedrop للتعلم العميق المتبقي" . الوصول إلى IEEE . 7 : 186126– 186136. أرخايف : 1802.02375 . دوى : 10.1109/ACCESS.2019.2960566 . S2CID 54445621 . 
  15. ↑ تيرانس، ديفريس؛ دبليو، تايلور، غراهام (2017-08-15). "تحسين تنظيم الشبكات العصبية الالتفافية باستخدام القطع". arXiv : 1708.04552 [ cs.CV ].{{cite arXiv}}: صيانة CS1: أسماء متعددة: قائمة المؤلفين ( رابط )
  16. ↑ ريال، إستيبان؛ أغاروال، ألوك؛ هوانغ، يان بينغ؛ لي، كوك ف. (2018-02-05). "التطور المنتظم للبحث عن بنية مصنف الصور مع القطع". arXiv : 1802.01548 [ cs.NE ].
  17. ↑ نغوين، هوو ب.؛ ريبيرو، برنارديت (2020-07-31). "إعادة التفكير في الشبكات العصبية المتكررة وغيرها من التحسينات لتصنيف الصور". arXiv : 2007.15161 [ cs.CV ].
  18. ↑ Cubuk, Ekin D.; Zoph, Barret; Mane, Dandelion; Vasudevan, Vijay; Le, Quoc V. (2018-05-24). "AutoAugment: Learning Augmentation Policies from Data". arXiv : 1805.09501 [ cs.CV ].
  19. ^ ويستوبا، مارتن؛ روات، أمبريش؛ بيداباتي ، تيجاسويني (2019-05-04). “مسح حول بحث العمارة العصبية”. أرخايف : 1905.01392 [ cs.LG ].
  20. ^ هوانغ، يانبينغ؛ تشنغ، يونغ لونغ؛ تشن، ديهاو؛ لي هيوك جونج؛ نجيام، جيكوان؛ لو، كووك الخامس؛ زيفنغ ، زيفنغ (2018/11/16). “GPipe: التدريب الفعال للشبكات العصبية العملاقة باستخدام توازي خطوط الأنابيب”. أرخايف : 1811.06965 [ cs.CV ].
  21. ↑ كبير، حسين (2023-05-05). "تقليل عدم اليقين في تنشيط الفئة باستخدام المعلومات الأساسية". arXiv : 2305.03238 [ cs.CV ].
  22. ↑ دوسوفيتسكي، أليكسي؛ باير، لوكاس؛ كوليسنيكوف، ألكسندر؛ فايسنبورن، ديرك؛ تشاي، شياوهوا؛ أونترثينر، توماس؛ دهقاني، مصطفى؛ مينديرر، ماتياس؛ هيغولد، جورج؛ جيلي، سيلفان؛ أوزكوريت، جاكوب؛ هولزبي، نيل (2021). "صورة واحدة تساوي 16×16 كلمة: محولات للتعرف على الصور على نطاق واسع" . المؤتمر الدولي حول تمثيلات التعلم . arXiv : 2010.11929 .

مجموعات بيانات مماثلة