Link to this sectionمجموعة بيانات Caltech-101#

تُعد مجموعة بيانات Caltech-101 مجموعة مستخدمة على نطاق واسع لمهام التعرف على الكائنات، حيث تحتوي على حوالي 9,000 صورة موزعة على 101 فئة. تم اختيار الفئات لتعكس تنوعاً في الكائنات الواقعية، كما تم اختيار الصور وتصنيفها بعناية 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.
• تشمل الفئات مجموعة متنوعة من الكائنات، بما في ذلك الحيوانات والمركبات والأدوات المنزلية والأشخاص.
• يختلف عدد الصور لكل فئة، حيث يتراوح ما بين 40 إلى 800 صورة في كل فئة.
• تتفاوت أحجام الصور، ومعظمها بدقة متوسطة.
• تُستخدم Caltech-101 على نطاق واسع للتدريب والاختبار في مجال تعلم الآلة، لا سيما في مهام 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)، وغيرها من خوارزميات تعلم الآلة المختلفة. 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، راجع صفحة التدريب للنموذج.

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. فيما يلي بعض الأمثلة للصور من مجموعة البيانات:

يعرض المثال تنوع وتعقيد الكائنات في مجموعة بيانات Caltech-101، مما يؤكد 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 البحثية 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 لكل من Li Fei-Fei وRob Fergus وPietro Perona لإنشائهم والحفاظ على مجموعة بيانات Caltech-101 كمورد قيم لمجتمع أبحاث تعلم الآلة ورؤية الحاسوب. لمزيد من المعلومات حول مجموعة بيانات Caltech-101 ومبتكريها، تفضل بزيارة موقع مجموعة بيانات Caltech-101.

Link to this sectionالأسئلة الشائعة#

Link to this sectionفيم تُستخدم مجموعة بيانات Caltech-101 في تعلم الآلة؟#

تُستخدم مجموعة بيانات Caltech-101 على نطاق واسع في تعلم الآلة لمهام التعرف على الكائنات. وهي 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، خاصة 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 التدريب للنموذج.

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

تتضمن مجموعة بيانات Caltech-101 ما يلي:

• حوالي 9,000 صورة ملونة عبر 101 فئة.
• فئات تغطي مجموعة متنوعة من الكائنات، بما في ذلك الحيوانات والمركبات والأدوات المنزلية.
• عدد متغير من الصور لكل فئة، يتراوح عادةً بين 40 و800 صورة.
• أحجام صور متغيرة، حيث يكون معظمها بدقة متوسطة.

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

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

إن الاستشهاد بمجموعة بيانات Caltech-101 في بحثك يقر بمساهمات المبتكرين 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 العثور على المورد الأصلي.

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

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