مجموعة بيانات Caltech-101#

مجموعة بيانات Caltech-101 هي معيار تقليدي لتصنيف الصور يضم 9,144 صورة موزعة على 101 فئة من الكائنات بالإضافة إلى فئة خلفية واحدة. تحتوي كل فئة على حوالي 40 إلى 800 صورة لكائنات من العالم الحقيقي - مثل الحيوانات، والمركبات، والمنتجات المنزلية، والأشخاص - مما يجعلها معياراً مضغوطاً ولكنه يتسم بالتحدي لنماذج التعرف على الكائنات.

الميزات الرئيسية#

• تحتوي مجموعة بيانات Caltech-101 على 9,144 صورة ملونة عبر 101 فئة من الكائنات بالإضافة إلى فئة BACKGROUND_Google واحدة (إجمالي 102 مجلد فئة).
• تغطي الفئات مجموعة واسعة من كائنات العالم الحقيقي، بما في ذلك الحيوانات، والمركبات، والأدوات المنزلية، والأشخاص.
• تحتوي كل فئة على حوالي 40 إلى 800 صورة، لذا فإن أحجام الفئات غير متوازنة.
• الصور ذات أحجام متفاوتة، ومعظمها تقريباً 300x200 بكسل (دقة متوسطة).
• تُستخدم مجموعة بيانات Caltech-101 على نطاق واسع لقياس أداء خوارزميات تصنيف الصور والتعرف على الكائنات.

هيكل مجموعة البيانات#

تُوزع مجموعة بيانات Caltech-101 في شكل 102 مجلد - مجلد واحد لكل فئة، تغطي 101 فئة من الكائنات بالإضافة إلى فئة BACKGROUND_Google - بدون تقسيم مسبق للتدريب/التحقق. عند بدء التدريب، يقوم Ultralytics بتقسيم الصور تلقائياً لكي تتدرب النماذج عبر جميع الفئات الـ 102 دون أي إعداد يدوي:

• الفئات: 102 (101 فئة كائنات + 1 خلفية)
• إجمالي الصور: 9,144
• تقسيم التدريب/التحقق: تلقائي 80% / 20% (حوالي 7,280 للتدريب، حوالي 1,864 للتحقق)
• الصور لكل فئة: حوالي 40 إلى 800 (غير متوازنة)

التطبيقات#

تُستخدم مجموعة بيانات Caltech-101 على نطاق واسع لتدريب وتقييم نماذج تصنيف الصور والتعرف على الكائنات، بما في ذلك شبكات العصبونات التلافيفية (CNNs) وآلات الدعم المتجهي (SVMs). تغطيتها الواسعة للفئات وصورها النظيفة والمصنفة تجعلها معياراً شائعاً لأبحاث ونماذج النماذج الأولية في مجالي التعلم الآلي والرؤية الحاسوبية.

الاستخدام#

قم بتدريب نموذج YOLO على Caltech-101 لمدة 100 عصر تدريب بحجم صورة 416. للحصول على القائمة الكاملة للمعاملات 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="caltech101", epochs=100, imgsz=416)

صور وشروحات توضيحية عينة#

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

تُظهر العينات تنوع الفئات والتأطير الطبيعي المتمركز النموذجي لـ Caltech-101، مما يجعلها نقطة انطلاق نظيفة لتدريب نماذج قوية للتعرف على الكائنات.

الاقتباسات 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 نشكر لي فاي-فاي، روب فيرغوس، وبيترو بيرونا لإنشاء وصيانة مجموعة بيانات Caltech-101 كمورد قيم لمجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات Caltech-101 ومبتكريها، تفضل بزيارة موقع مجموعة بيانات Caltech-101.

الأسئلة الشائعة#