مجموعة بيانات معهد كاليفورنيا للتكنولوجيا -256

مجموعة بيانات Caltech-256 عبارة عن مجموعة واسعة من الصور المستخدمة لمهام تصنيف الكائنات. يحتوي على حوالي 30000 صورة مقسمة إلى 257 فئة (256 فئة كائن و 1 فئة خلفية). يتم تنسيق الصور والتعليق عليها بعناية لتوفير معيار صعب ومتنوع لخوارزميات التعرف على الكائنات.

شاهد: How to Train تصنيف الصور Model using Caltech-256 Dataset with Ultralytics HUB

الميزات الرئيسية

• تضم مجموعة بيانات Caltech-256 حوالي 30000 صورة ملونة مقسمة إلى 257 فئة.
• تحتوي كل فئة على 80 صورة على الأقل.
• تشمل الفئات مجموعة متنوعة من الأشياء في العالم الحقيقي ، بما في ذلك والمركبات والأدوات المنزلية والأشخاص.
• الصور ذات أحجام ودقة متفاوتة.
• يستخدم Caltech-256 على نطاق واسع للتدريب والاختبار في مجال التعلم الآلي ، خاصة لمهام التعرف على الأشياء.

هيكل مجموعة البيانات

مثل Caltech-101 ، لا تحتوي مجموعة بيانات Caltech-256 على تقسيم رسمي بين مجموعات التدريب والاختبار. عادة ما ينشئ المستخدمون تقسيماتهم الخاصة وفقا لاحتياجاتهم الخاصة. من الممارسات الشائعة استخدام مجموعة فرعية عشوائية من الصور للتدريب والصور المتبقية للاختبار.

التطبيقات

The Caltech-256 dataset is extensively used for training and evaluating deep learning models in object recognition tasks, such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), and various other machine learning algorithms. Its diverse set of categories and high-quality images make it an invaluable dataset for research and development in the field of machine learning and computer vision.

استخدام

لتدريب أ YOLO على مجموعة بيانات Caltech-256 ل 100 حقبة ، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة نموذج التدريب .

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="caltech256", epochs=100, imgsz=416)

# Start training from a pretrained *.pt model
yolo classify train data=caltech256 model=yolo11n-cls.pt epochs=100 imgsz=416

عينة من الصور والتعليقات التوضيحية

تحتوي مجموعة بيانات Caltech-256 على صور ملونة عالية الجودة لكائنات مختلفة ، مما يوفر مجموعة بيانات شاملة لمهام التعرف على الكائنات. فيما يلي بعض الأمثلة على الصور من مجموعة البيانات (الائتمان):

يعرض المثال تنوع وتعقيد الكائنات في مجموعة بيانات Caltech-256 ، مع التأكيد على أهمية مجموعة بيانات متنوعة لتدريب نماذج التعرف على الكائنات القوية.

الاستشهادات والشكر

إذا كنت تستخدم مجموعة بيانات Caltech-256 في أعمال البحث أو التطوير الخاصة بك ، فيرجى الاستشهاد بالورقة التالية:

@article{griffin2007caltech,
         title={Caltech-256 object category dataset},
         author={Griffin, Gregory and Holub, Alex and Perona, Pietro},
         year={2007}
}

We would like to acknowledge Gregory Griffin, Alex Holub, and Pietro Perona for creating and maintaining the Caltech-256 dataset as a valuable resource for the machine learning and computer vision research community. For more information about the

مجموعة بيانات Caltech-256 ومنشئوها ، قم بزيارة موقع مجموعة بيانات Caltech-256.

الأسئلة المتداولة

ما هي مجموعة بيانات Caltech-256 ولماذا هي مهمة للتعلم الآلي؟

مجموعة بيانات Caltech-256 هي مجموعة بيانات صور كبيرة تُستخدم في المقام الأول لمهام تصنيف الكائنات في التعلم الآلي والرؤية الحاسوبية. وهي تتألف من حوالي 30,000 صورة ملونة مقسمة إلى 257 فئة، وتغطي مجموعة واسعة من الأجسام في العالم الحقيقي. تجعل الصور المتنوعة والعالية الجودة لمجموعة البيانات هذه معيارًا ممتازًا لتقييم خوارزميات التعرّف على الأشياء، وهو أمر بالغ الأهمية لتطوير نماذج قوية للتعلّم الآلي.

كيف يمكنني تدريب نموذج YOLO على مجموعة بيانات Caltech-256 باستخدام Python أو CLI ؟

To train a YOLO model on the Caltech-256 dataset for 100 epochs, you can use the following code snippets. Refer to the model Training page for additional options.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model

# Train the model
results = model.train(data="caltech256", epochs=100, imgsz=416)

# Start training from a pretrained *.pt model
yolo classify train data=caltech256 model=yolo11n-cls.pt epochs=100 imgsz=416

ما هي حالات الاستخدام الأكثر شيوعًا لمجموعة بيانات Caltech-256؟

تُستخدم مجموعة بيانات Caltech-256 على نطاق واسع في مهام التعرف على الأجسام المختلفة مثل:

• Training Convolutional Neural Networks (CNNs)
• Evaluating the performance of Support Vector Machines (SVMs)
• قياس خوارزميات التعلم العميق الجديدة
• Developing object detection models using frameworks like Ultralytics YOLO

تنوعه وشروحه الشاملة تجعله مثاليًا للبحث والتطوير في مجال التعلم الآلي والرؤية الحاسوبية.

كيف يتم تنظيم مجموعة بيانات Caltech-256 وتقسيمها للتدريب والاختبار؟

لا تأتي مجموعة بيانات Caltech-256 مع تقسيم محدد مسبقًا للتدريب والاختبار. عادةً ما يقوم المستخدمون بإنشاء تقسيمات خاصة بهم وفقًا لاحتياجاتهم الخاصة. يتمثل النهج الشائع في اختيار مجموعة فرعية من الصور عشوائيًا للتدريب واستخدام الصور المتبقية للاختبار. تسمح هذه المرونة للمستخدمين بتخصيص مجموعة البيانات وفقًا لمتطلبات مشروعاتهم الخاصة وإعداداتهم التجريبية.

لماذا يجب استخدام Ultralytics YOLO لتدريب النماذج على مجموعة بيانات Caltech-256؟

Ultralytics YOLO تقدم النماذج عدة مزايا للتدريب على مجموعة بيانات Caltech-256:

• دقة عالية: تُعرف نماذج YOLO بأدائها المتطور في مهام اكتشاف الأجسام.
• السرعة: توفر قدرات استنتاج في الوقت الحقيقي، مما يجعلها مناسبة للتطبيقات التي تتطلب تنبؤات سريعة.
• سهولة الاستخدام: باستخدام Ultralytics HUB، يمكن للمستخدمين تدريب النماذج والتحقق من صحتها ونشرها دون الحاجة إلى ترميز مكثف.
• النماذج المدربة مسبقاً: بدءًا من النماذج المدربة مسبقًا، مثل yolo11n-cls.pt, can significantly reduce training time and improve model accuracy.

لمزيد من التفاصيل، استكشف دليل التدريب الشامل.

📅 Created 11 months ago ✏️ Updated 22 days ago

التعليقات