مجموعة بيانات MNIST
مجموعة بيانات MNIST (المعدلة من المعهد الوطني للمعايير والتكنولوجيا) هي قاعدة بيانات كبيرة للأرقام المكتوبة بخط اليد والتي يشيع استخدامها لتدريب أنظمة معالجة الصور المختلفة ونماذج تعلم الآلة. تم إنشاؤها عن طريق "إعادة مزج" العينات من مجموعات البيانات الأصلية لـ NIST وأصبحت معيارًا لتقييم أداء خوارزميات تصنيف الصور.
الميزات الرئيسية
- تحتوي MNIST على 60,000 صورة تدريب و 10,000 صورة اختبار للأرقام المكتوبة بخط اليد.
- تتكون مجموعة البيانات من صور ذات تدرج رمادي بحجم 28 × 28 بكسل.
- يتم تطبيع الصور لتناسب مربع محيط بحجم 28 × 28 بكسل ومضادة للتشويه، مما يؤدي إلى إدخال مستويات الرمادي.
- يشيع استخدام MNIST للتدريب والاختبار في مجال تعلم الآلة، وخاصة لمهام تصنيف الصور.
هيكل مجموعة البيانات
تنقسم مجموعة بيانات MNIST إلى مجموعتين فرعيتين:
- مجموعة التدريب: تحتوي هذه المجموعة الفرعية على 60,000 صورة لأرقام مكتوبة بخط اليد تستخدم لتدريب نماذج التعلم الآلي.
- مجموعة الاختبار: تتكون هذه المجموعة الفرعية من 10,000 صورة تستخدم لاختبار وتقييم النماذج المدربة.
يتم تسمية كل صورة في مجموعة البيانات بالرقم المقابل (0-9)، مما يجعلها مجموعة بيانات تعلم خاضعة للإشراف ومثالية لمهام التصنيف.
مجموعة بيانات MNIST الممتدة (EMNIST)
مجموعة بيانات MNIST الموسعة (EMNIST) هي مجموعة بيانات أحدث تم تطويرها وإصدارها بواسطة NIST لتكون خلفًا لـ MNIST. في حين أن MNIST تضمنت صورًا للأرقام المكتوبة بخط اليد فقط، فإن EMNIST تتضمن جميع الصور من قاعدة بيانات NIST الخاصة 19، وهي قاعدة بيانات كبيرة للأحرف الكبيرة والصغيرة المكتوبة بخط اليد بالإضافة إلى الأرقام. تم تحويل الصور في EMNIST إلى نفس تنسيق 28 × 28 بكسل، بنفس العملية، كما كانت صور MNIST. وفقًا لذلك، من المحتمل أن تعمل الأدوات التي تعمل مع مجموعة بيانات MNIST الأقدم والأصغر دون تعديل مع EMNIST.
التطبيقات
تُستخدم مجموعة بيانات MNIST على نطاق واسع لتدريب وتقييم نماذج التعلم العميق في مهام تصنيف الصور، مثل الشبكات العصبية التلافيفية (CNNs)، و آلات المتجهات الداعمة (SVMs)، والعديد من خوارزميات التعلم الآلي الأخرى. إن التنسيق البسيط والمنظم جيدًا لمجموعة البيانات يجعلها موردًا أساسيًا للباحثين والممارسين في مجال التعلم الآلي و رؤية الكمبيوتر.
تتضمن بعض التطبيقات الشائعة ما يلي:
- قياس خوارزميات التصنيف الجديدة.
- الأغراض التعليمية لتدريس مفاهيم تعلم الآلة
- نماذج أولية لأنظمة التعرف على الصور
- اختبار تقنيات تحسين النموذج
الاستخدام
لتدريب نموذج CNN على مجموعة بيانات MNIST لعدد 100 حقبة (epoch) بحجم صورة 32×32، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب الخاصة بالنموذج.
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="mnist", epochs=100, imgsz=32)
# Start training from a pretrained *.pt model
yolo classify train data=mnist model=yolo11n-cls.pt epochs=100 imgsz=28
عينات من الصور والشروحات التوضيحية
تحتوي مجموعة بيانات MNIST على صور ذات تدرج رمادي لأرقام مكتوبة بخط اليد، مما يوفر مجموعة بيانات منظمة جيدًا لمهام تصنيف الصور. فيما يلي بعض الأمثلة للصور من مجموعة البيانات:
يعرض المثال تنوع وتعقيد الأرقام المكتوبة بخط اليد في مجموعة بيانات MNIST، مما يسلط الضوء على أهمية وجود مجموعة بيانات متنوعة لتدريب نماذج قوية لتصنيف الصور.
الاقتباسات والإقرارات
إذا كنت تستخدم مجموعة بيانات MNIST في عملك البحثي أو التطويري، فيرجى الاستشهاد بالورقة التالية:
@article{lecun2010mnist,
title={MNIST handwritten digit database},
author={LeCun, Yann and Cortes, Corinna and Burges, CJ},
journal={ATT Labs [Online]. Available: http://yann.lecun.com/exdb/mnist},
volume={2},
year={2010}
}
نود أن نشكر Yann LeCun و Corinna Cortes و Christopher J.C. Burges لإنشاء مجموعة بيانات MNIST والحفاظ عليها كمورد قيم لمجتمع أبحاث تعلم الآلة ورؤية الحاسوب. لمزيد من المعلومات حول مجموعة بيانات MNIST ومنشئيها، تفضل بزيارة موقع مجموعة بيانات MNIST.
الأسئلة الشائعة
ما هي مجموعة بيانات MNIST، ولماذا هي مهمة في تعلم الآلة؟
مجموعة بيانات MNIST، أو مجموعة بيانات المعهد الوطني للمعايير والتكنولوجيا المعدلة، هي مجموعة مستخدمة على نطاق واسع من الأرقام المكتوبة بخط اليد والمصممة لتدريب واختبار أنظمة تصنيف الصور. وهي تتضمن 60,000 صورة تدريب و 10,000 صورة اختبار، وكلها بتدرج الرمادي وحجم 28 × 28 بكسل. تكمن أهمية مجموعة البيانات في دورها كمعيار قياسي لتقييم خوارزميات تصنيف الصور، مما يساعد الباحثين والمهندسين على مقارنة الطرق وتتبع التقدم في هذا المجال.
كيف يمكنني استخدام Ultralytics YOLO لتدريب نموذج على مجموعة بيانات MNIST؟
لتدريب نموذج على مجموعة بيانات MNIST باستخدام Ultralytics YOLO، يمكنك اتباع الخطوات التالية:
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-cls.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="mnist", epochs=100, imgsz=32)
# Start training from a pretrained *.pt model
yolo classify train data=mnist model=yolo11n-cls.pt epochs=100 imgsz=28
للحصول على قائمة مفصلة بحجج التدريب المتاحة، راجع صفحة التدريب.
ما هو الفرق بين مجموعتي بيانات MNIST و EMNIST؟
تحتوي مجموعة بيانات MNIST على أرقام مكتوبة بخط اليد فقط، في حين أن مجموعة بيانات Extended MNIST (EMNIST) تتضمن أرقامًا وأحرفًا كبيرة وصغيرة. تم تطوير EMNIST كخلف لمجموعة MNIST وتستخدم نفس تنسيق 28 × 28 بكسل للصور، مما يجعلها متوافقة مع الأدوات والنماذج المصممة لمجموعة بيانات MNIST الأصلية. هذا النطاق الأوسع من الأحرف في EMNIST يجعلها مفيدة لمجموعة واسعة من تطبيقات التعلم الآلي.
هل يمكنني استخدام Ultralytics HUB لتدريب النماذج على مجموعات بيانات مخصصة مثل MNIST؟
نعم، يمكنك استخدام Ultralytics HUB لتدريب النماذج على مجموعات بيانات مخصصة مثل MNIST. يوفر Ultralytics HUB واجهة سهلة الاستخدام لتحميل مجموعات البيانات وتدريب النماذج وإدارة المشاريع دون الحاجة إلى معرفة واسعة بالبرمجة. لمزيد من التفاصيل حول كيفية البدء، تحقق من صفحة Ultralytics HUB Quickstart.
كيف تتم مقارنة MNIST بمجموعات بيانات تصنيف الصور الأخرى؟
تعتبر MNIST أبسط من العديد من مجموعات البيانات الحديثة مثل CIFAR-10 أو ImageNet، مما يجعلها مثالية للمبتدئين والتجارب السريعة. في حين أن مجموعات البيانات الأكثر تعقيدًا تقدم تحديات أكبر مع الصور الملونة وفئات الكائنات المتنوعة، تظل MNIST ذات قيمة لبساطتها وحجم ملفها الصغير وأهميتها التاريخية في تطوير خوارزميات تعلم الآلة. لمهام التصنيف الأكثر تقدمًا، ضع في اعتبارك استخدام Fashion-MNIST، والتي تحافظ على نفس الهيكل ولكنها تعرض عناصر ملابس بدلاً من أرقام.
