Link to this sectionمجموعة بيانات Caltech-101#

تُعد مجموعة بيانات Caltech-101 مجموعة بيانات مستخدمة على نطاق واسع لمهام التعرف على الكائنات، حيث تحتوي على حوالي 9,000 صورة من 101 فئة كائنات. تم اختيار الفئات لتعكس مجموعة متنوعة من الكائنات في العالم الحقيقي، وتم اختيار الصور نفسها بعناية وتصنيفها لتوفير معيار قياسي يتسم بالتحدي لخوارزميات التعرف على الكائنات.

Link to this sectionالميزات الرئيسية#

• تتكون مجموعة بيانات Caltech-101 من حوالي 9,000 صورة ملونة مقسمة إلى 101 فئة.
• تغطي الفئات مجموعة واسعة ومتنوعة من الكائنات، بما في ذلك الحيوانات، والمركبات، والأدوات المنزلية، والأشخاص.
• يختلف عدد الصور لكل فئة، حيث يتراوح بين 40 إلى 800 صورة تقريباً في كل فئة.
• تتميز الصور بأحجام متغيرة، حيث تكون معظم الصور ذات دقة متوسطة.
• تُستخدم Caltech-101 على نطاق واسع للتدريب والاختبار في مجال تعلم الآلة، وخاصة لمهام التعرف على الكائنات.

Link to this sectionهيكل مجموعة البيانات#

على عكس العديد من مجموعات البيانات الأخرى، لا يتم تقسيم مجموعة بيانات Caltech-101 رسمياً إلى مجموعات تدريب واختبار. يقوم المستخدمون عادةً بإنشاء تقسيماتهم الخاصة بناءً على احتياجاتهم المحددة. ومع ذلك، فإن الممارسة الشائعة هي استخدام مجموعة فرعية عشوائية من الصور للتدريب (على سبيل المثال، 30 صورة لكل فئة) واستخدام الصور المتبقية للاختبار.

Link to this sectionالتطبيقات#

تُستخدم مجموعة بيانات Caltech-101 بشكل مكثف لتدريب وتقييم نماذج التعلم العميق في مهام التعرف على الكائنات، مثل الشبكات العصبية التلافيفية (CNNs)، وآلات ناقلات الدعم (SVMs)، والعديد من خوارزميات تعلم الآلة الأخرى. إن تنوع فئاتها الكبير وصورها عالية الجودة يجعلها مجموعة بيانات ممتازة للبحث والتطوير في مجال تعلم الآلة ورؤية الحاسوب.

Link to this sectionالاستخدام#

لتدريب نموذج YOLO على مجموعة بيانات Caltech-101 لمدة 100 حقبة، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة تدريب النموذج.

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="caltech101", epochs=100, imgsz=416)

Link to this sectionصور وشروحات توضيحية عينة#

تحتوي مجموعة بيانات Caltech-101 على صور ملونة عالية الجودة لكائنات متنوعة، مما يوفر مجموعة بيانات جيدة التنظيم لمهام تصنيف الصور. إليك بعض الأمثلة على الصور من مجموعة البيانات:

يوضح المثال تنوع وتعقيد الكائنات في مجموعة بيانات Caltech-101، مؤكداً على أهمية وجود مجموعة بيانات متنوعة لتدريب نماذج قوية للتعرف على الكائنات.

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات Caltech-101 في عملك البحثي أو التطويري، يرجى الاستشهاد بالورقة العلمية التالية:

@article{fei2007learning,
  title={Learning generative visual models from few training examples: An incremental Bayesian approach tested on 101 object categories},
  author={Fei-Fei, Li and Fergus, Rob and Perona, Pietro},
  journal={Computer vision and Image understanding},
  volume={106},
  number={1},
  pages={59--70},
  year={2007},
  publisher={Elsevier}
}

نود أن نعرب عن تقديرنا لـ Li Fei-Fei و Rob Fergus و Pietro Perona لإنشاء وصيانة مجموعة بيانات Caltech-101 كمورد قيم لمجتمع أبحاث تعلم الآلة ورؤية الحاسوب. لمزيد من المعلومات حول مجموعة بيانات Caltech-101 ومنشئيها، تفضل بزيارة موقع مجموعة بيانات Caltech-101.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي استخدامات مجموعة بيانات Caltech-101 في تعلم الآلة؟#

تُستخدم مجموعة بيانات Caltech-101 على نطاق واسع في تعلم الآلة لمهام التعرف على الكائنات. فهي تحتوي على حوالي 9,000 صورة موزعة على 101 فئة، مما يوفر معياراً قياسياً يتسم بالتحدي لتقييم خوارزميات التعرف على الكائنات. يستفيد الباحثون منها لتدريب واختبار النماذج، وخاصة الشبكات العصبية التلافيفية (CNNs) وآلات ناقلات الدعم (SVMs)، في مجال رؤية الحاسوب.

Link to this sectionكيف يمكنني تدريب نموذج Ultralytics YOLO على مجموعة بيانات Caltech-101؟#

لتدريب نموذج Ultralytics YOLO على مجموعة بيانات Caltech-101، يمكنك استخدام مقتطفات الكود المقدمة. على سبيل المثال، للتدريب لمدة 100 حقبة:

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="caltech101", epochs=100, imgsz=416)

لمزيد من الوسيطات والخيارات التفصيلية، راجع صفحة تدريب النموذج.

Link to this sectionما هي الميزات الرئيسية لمجموعة بيانات Caltech-101؟#

تتضمن مجموعة بيانات Caltech-101 ما يلي:

• حوالي 9,000 صورة ملونة موزعة على 101 فئة.
• فئات تغطي مجموعة متنوعة من الكائنات، بما في ذلك الحيوانات والمركبات والأدوات المنزلية.
• عدد متغير من الصور لكل فئة، يتراوح عادة بين 40 و800 صورة.
• أحجام صور متغيرة، حيث تكون معظم الصور ذات دقة متوسطة.

تجعل هذه الميزات منها خياراً ممتازاً لتدريب وتقييم نماذج التعرف على الكائنات في مجالي تعلم الآلة ورؤية الحاسوب.

Link to this sectionلماذا يجب علي الاستشهاد بمجموعة بيانات Caltech-101 في بحثي؟#

الاستشهاد بمجموعة بيانات Caltech-101 في بحثك يقر بمساهمات منشئيها ويوفر مرجعاً للآخرين الذين قد يستخدمون مجموعة البيانات. الاستشهاد الموصى به هو:

@article{fei2007learning,
  title={Learning generative visual models from few training examples: An incremental Bayesian approach tested on 101 object categories},
  author={Fei-Fei, Li and Fergus, Rob and Perona, Pietro},
  journal={Computer vision and Image understanding},
  volume={106},
  number={1},
  pages={59--70},
  year={2007},
  publisher={Elsevier}
}

يساعد الاستشهاد في الحفاظ على نزاهة العمل الأكاديمي ويساعد الزملاء في تحديد موقع المورد الأصلي.

Link to this sectionهل يمكنني استخدام Ultralytics Platform لتدريب النماذج على مجموعة بيانات Caltech-101؟#

نعم، يمكنك استخدام Ultralytics Platform لتدريب النماذج على مجموعة بيانات Caltech-101. توفر Ultralytics Platform منصة بديهية لإدارة مجموعات البيانات، وتدريب النماذج، ونشرها دون الحاجة إلى كتابة كود برمجي مكثف. للحصول على دليل مفصل، راجع منشور المدونة كيفية تدريب نماذجك المخصصة باستخدام Ultralytics Platform.