مجموعة بيانات Caltech-256#
مجموعة البيانات Caltech-256 هي معيار كلاسيكي لـ image classification يضم 30,607 صورة موزعة على 256 فئة كائنات بالإضافة إلى فئة خلفية واحدة. تحتوي كل فئة على 80 صورة على الأقل لكائنات من الواقع — حيوانات، مركبات، أدوات منزلية، وأشخاص — مما يجعلها بديلاً أكبر وأكثر تحدياً لـ Caltech-101 لنماذج التعرف على الكائنات.
استكشف Caltech-256 on Ultralytics Platform لمعاينة العينات، وفحص إحصائيات مجموعة البيانات، واستنساخها للتدريب.
تتوفر Caltech-256 بدون تقسيم محدد مسبقاً للتدريب/التحقق. تقوم أوامر التدريب أدناه بتقسيمها تلقائياً إلى 80% للتدريب و20% للتحقق، لذا لا حاجة لإعداد يدوي.
الميزات الرئيسية#
- تحتوي Caltech-256 على 30,607 صورة ملونة عبر 256 فئة كائنات بالإضافة إلى فئة خلفية واحدة
257.clutter(ما مجموعه 257 مجلداً للفئات). - تغطي الفئات مجموعة واسعة من كائنات العالم الحقيقي، بما في ذلك الحيوانات، والمركبات، والأدوات المنزلية، والأشخاص.
- تحتوي كل فئة على 80 صورة على الأقل، وتصل أكبر فئة إلى حوالي 800 صورة، لذا فإن أحجام الفئات غير متوازنة.
- الصور ذات أحجام ودقات متفاوتة.
- تُستخدم Caltech-256 على نطاق واسع لتقييم خوارزميات image classification والتعرف على الكائنات.
هيكل مجموعة البيانات#
تُوزع Caltech-256 في شكل 257 مجلداً — واحداً لكل فئة، يغطي 256 فئة كائنات بالإضافة إلى فئة خلفية 257.clutter — دون تقسيم مسبق للتدريب/التحقق. عند بدء التدريب، يقوم Ultralytics تلقائياً بتقسيم الصور لتدرب النماذج عبر جميع الفئات الـ 257 دون أي إعداد يدوي:
- الفئات: 257 (256 فئة كائنات + 1 خلفية)
- إجمالي الصور: 30,607
- تقسيم التدريب/التحقق: تلقائي 80% / 20% (≈24,385 للتدريب، ≈6,222 للتحقق)
- الصور لكل فئة: 80 على الأقل (غير متوازنة، تصل إلى حوالي 800)
التطبيقات#
تُستخدم مجموعة البيانات Caltech-256 على نطاق واسع لتدريب وتقييم نماذج image classification والتعرف على الكائنات، بما في ذلك Convolutional Neural Networks (CNNs) و Support Vector Machines (SVMs). عدد فئاتها الكبير وصورها عالية الجودة يجعلها معياراً شائعاً لأبحاث والنماذج الأولية في مجال machine learning و computer vision.
الاستخدام#
قم بتدريب نموذج YOLO على Caltech-256 لمدة 100 epochs بحجم صورة يبلغ 416. للحصول على القائمة الكاملة للمعاملات المتاحة، راجع صفحة Training ودليل مهمة image classification.
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="caltech256", epochs=100, imgsz=416)صور وشروحات توضيحية عينة#
تحتوي مجموعة البيانات Caltech-256 على صور ملونة عالية الجودة لكائنات متنوعة، مما يوفر مجموعة بيانات منظمة جيداً لمهام image classification. إليك بعض الأمثلة للصور من مجموعة البيانات (credit):
تُظهر النماذج تنوع وتعقيد الكائنات في مجموعة بيانات Caltech-256، مما يؤكد قيمة وجود مجموعة بيانات متنوعة لتدريب نماذج قوية للتعرف على الكائنات.
الاقتباسات والشكر#
إذا كنت تستخدم مجموعة بيانات Caltech-256 في بحثك أو عملك التطويري، يرجى الاستشهاد بالورقة البحثية التالية:
@article{griffin2007caltech,
title={Caltech-256 object category dataset},
author={Griffin, Gregory and Holub, Alex and Perona, Pietro},
year={2007}
}نود أن نشكر جريج غريفين، وأليكس هولوب، وبيترو بيرونا لإنشاء وصيانة مجموعة البيانات Caltech-256 كمورد قيم لمجتمع أبحاث machine learning والرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة البيانات Caltech-256 ومبتكريها، تفضل بزيارة Caltech-256 dataset website.
الأسئلة الشائعة#
مجموعة البيانات Caltech-256 تُستخدم على نطاق واسع لتدريب ومعيار image classification ونماذج التعرف على الكائنات. فهي تحتوي على 30,607 صورة موزعة على 256 فئة كائنات بالإضافة إلى فئة خلفية، مما يوفر معياراً أكبر وأكثر تحدياً من Caltech-101 لخوارزميات مثل Convolutional Neural Networks (CNNs) وآلات المتجهات الداعمة (SVMs).
لتدريب نموذج Ultralytics YOLO على Caltech-256، استخدم مقاطع البرمجة أدناه. يتم تنزيل مجموعة البيانات تلقائياً عند الاستخدام الأول. للحصول على قائمة كاملة بالمعاملات، راجع صفحة Training للنموذج.
مثال على التدريبfrom 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="caltech256", epochs=100, imgsz=416)تحتوي Caltech-256 على 256 فئة كائنات بالإضافة إلى فئة خلفية واحدة
257.clutter، بإجمالي 257 مجلداً للفئات و 30,607 صورة. عندما تقوم بالتدريب باستخدام Ultralytics، يتعلم النموذج جميع الفئات الـ 257. تحتوي كل فئة على 80 صورة على الأقل، ولكن أحجام الفئات غير متوازنة، حيث تصل الفئة الأكبر إلى حوالي 800 صورة.ليس لدى Caltech-256 تقسيم محدد مسبقاً. في المرة الأولى التي تقوم فيها بالتدريب، يقوم Ultralytics بتقسيمها تلقائياً بنسبة 80% للتدريب / 20% للتحقق — حوالي 24,385 صورة تدريب و 6,222 صورة تحقق — لذلك لا تحتاج إلى إنشاء التقسيمات يدوياً. للتحكم في التقسيم بنفسك، قم بتنظيم الصور في مجلدات
train/وval/قبل التدريب.نعم. يتيح لك Ultralytics Platform إدارة مجموعات البيانات، وتدريب نماذج image classification، ونشرها دون برمجة مكثفة. إنها طريقة ملائمة لتشغيل تجارب Caltech-256 في السحابة، ويمكنك استكشاف المزيد من الخيارات في classification datasets overview الخاص بنا.