مجموعة بيانات Caltech-256#
تُعد مجموعة بيانات Caltech-256 معيارًا كلاسيكيًا لـتصنيف الصور، إذ تضم 30,607 صور موزعة على 256 فئة من الأجسام، بالإضافة إلى فئة واحدة للخلفية. وتحتوي كل فئة على 80 صورة على الأقل لأجسام من العالم الحقيقي — حيوانات ومركبات وأدوات منزلية وأشخاص — ما يجعلها أكبر وأكثر تحديًا من Caltech-101 لنماذج التعرّف على الأجسام.
استكشف Caltech-256 على منصة Ultralytics لمعاينة العينات وفحص إحصاءات مجموعة البيانات واستنساخها للتدريب.
لا تأتي Caltech-256 بتقسيم محدد مسبقًا إلى التدريب والتحقق. تقسم أوامر التدريب أدناه البيانات تلقائيًا بنسبة 80% للتدريب و20% للتحقق، لذا لا حاجة إلى إعداد يدوي.
الميزات الرئيسية#
- تضم Caltech-256 عدد 30,607 صور ملونة موزعة على 256 فئة من الأجسام، بالإضافة إلى فئة خلفية
257.clutter(257 مجلدًا للفئات إجمالًا). - تشمل الفئات مجموعة واسعة من الأغراض من العالم الحقيقي، بما فيها الحيوانات والمركبات والأدوات المنزلية والأشخاص.
- تحتوي كل فئة على 80 صورة على الأقل، وتصل الفئة الأكبر إلى نحو 800 صورة، لذا فإن أحجام الفئات غير متوازنة.
- تختلف أحجام الصور ودقتها.
- تُستخدم Caltech-256 على نطاق واسع لقياس أداء خوارزميات تصنيف الصور والتعرّف على الأجسام.
بنية مجموعة البيانات#
تُوزع Caltech-256 في 257 مجلدًا — مجلد لكل فئة، تشمل 256 فئة من الأجسام وفئة خلفية 257.clutter — من دون تقسيم محدد مسبقًا إلى التدريب والتحقق. عند بدء التدريب، تقسّم Ultralytics الصور تلقائيًا كي تتدرب النماذج على الفئات الـ257 جميعها من دون أي إعداد يدوي:
- الفئات: 257 (256 فئة من الأجسام + فئة واحدة للخلفية)
- إجمالي الصور: 30,607
- تقسيم التدريب/التحقق: تلقائي بنسبة 80% / 20% (≈24,385 للتدريب، ≈6,222 للتحقق)
- الصور لكل فئة: 80 على الأقل (غير متوازنة، وتصل إلى نحو 800)
التطبيقات#
تُستخدم مجموعة بيانات Caltech-256 على نطاق واسع لتدريب نماذج تصنيف الصور والتعرّف على الأجسام وتقييمها، بما في ذلك الشبكات العصبية الالتفافية (CNNs) وآلات المتجهات الداعمة (SVMs). ويجعل العدد الكبير للفئات وجودة الصور العالية منها معيارًا شائعًا لأبحاث التعلم الآلي والرؤية الحاسوبية والنماذج الأولية.
الاستخدام#
درّب نموذج YOLO على Caltech-256 لمدة 100 حقبة بحجم صور 416. للاطلاع على القائمة الكاملة للوسائط المتاحة، راجع صفحة التدريب ودليل مهمة تصنيف الصور.
from ultralytics import YOLO
# تحميل نموذج
model = YOLO("yolo26n-cls.pt") # تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)
# تدريب النموذج
results = model.train(data="caltech256", epochs=100, imgsz=416)صور وتعليقات توضيحية نموذجية#
تحتوي مجموعة بيانات Caltech-256 على صور ملونة عالية الجودة لأجسام متنوعة، ما يوفر مجموعة بيانات منظمة جيدًا لمهام تصنيف الصور. فيما يلي بعض أمثلة الصور من مجموعة البيانات (المصدر):
تُظهر العينات تنوع الأجسام في مجموعة بيانات Caltech-256 وتعقيدها، ما يبرز قيمة تنوع مجموعة البيانات في تدريب نماذج قوية للتعرّف على الأجسام.
الاستشهادات والشكر والتقدير#
إذا استخدمت مجموعة بيانات Caltech-256 في أبحاثك أو أعمال التطوير، فيُرجى الاستشهاد بالورقة البحثية التالية:
@article{griffin2007caltech,
title={Caltech-256 object category dataset},
author={Griffin, Gregory and Holub, Alex and Perona, Pietro},
year={2007}
}نود الإشادة بـ Gregory Griffin وAlex Holub وPietro Perona لإنشائهم مجموعة بيانات Caltech-256 وصيانتها بوصفها موردًا قيّمًا لمجتمع أبحاث التعلم الآلي والرؤية الحاسوبية. لمزيد من المعلومات عن مجموعة بيانات Caltech-256 ومنشئيها، تفضل بزيارة موقع مجموعة بيانات Caltech-256.
الأسئلة الشائعة#
تُستخدم مجموعة بيانات Caltech-256 على نطاق واسع لتدريب نماذج تصنيف الصور والتعرّف على الأجسام وقياس أدائها. وهي تضم 30,607 صور موزعة على 256 فئة من الأجسام، بالإضافة إلى فئة للخلفية، ما يوفر معيارًا أكبر وأكثر تحديًا من Caltech-101 لتقييم خوارزميات مثل الشبكات العصبية الالتفافية (CNNs) وآلات المتجهات الداعمة (SVMs).
لتدريب نموذج Ultralytics YOLO على Caltech-256، استخدم مقتطفات التعليمات البرمجية أدناه. تُنزّل مجموعة البيانات تلقائيًا عند استخدامها للمرة الأولى. للاطلاع على القائمة الكاملة للوسائط، راجع صفحة التدريب الخاصة بالنموذج.
مثال على التدريبfrom ultralytics import YOLO # تحميل نموذج model = YOLO("yolo26n-cls.pt") # تحميل نموذج مدرّب مسبقًا (موصى به للتدريب) # تدريب النموذج results = model.train(data="caltech256", epochs=100, imgsz=416)تضم Caltech-256 عدد 256 فئة من الأجسام، بالإضافة إلى فئة خلفية
257.clutter، أي 257 مجلدًا للفئات و30,607 صور إجمالًا. عند التدريب باستخدام Ultralytics، يتعلم النموذج الفئات الـ257 جميعها. وتحتوي كل فئة على 80 صورة على الأقل، لكن أحجام الفئات غير متوازنة، إذ يصل عدد الصور في الفئة الأكبر إلى نحو 800.لا تتضمن Caltech-256 تقسيمًا محددًا مسبقًا. عند التدريب للمرة الأولى، تقسمها Ultralytics تلقائيًا إلى 80% للتدريب و20% للتحقق — نحو 24,385 صورة للتدريب و6,222 صورة للتحقق — لذلك لا تحتاج إلى إنشاء التقسيمات يدويًا. للتحكم في التقسيم بنفسك، نظّم الصور في مجلدي
train/وval/قبل التدريب.نعم. تتيح لك منصة Ultralytics إدارة مجموعات البيانات وتدريب نماذج تصنيف الصور ونشرها دون الحاجة إلى كتابة كثير من التعليمات البرمجية. وهي طريقة مريحة لإجراء تجارب Caltech-256 على السحابة، ويمكنك استكشاف مزيد من الخيارات في نظرة عامة على مجموعات بيانات التصنيف.