Set di dati Caltech-256

Il dataset Caltech-256 è un'ampia raccolta di immagini utilizzate per compiti di classificazione di oggetti. Contiene circa 30.000 immagini suddivise in 257 categorie (256 categorie di oggetti e 1 categoria di sfondo). Le immagini sono curate e annotate con cura per fornire un benchmark impegnativo e diversificato per gli algoritmi di riconoscimento degli oggetti.

Caratteristiche principali

• Il dataset Caltech-256 comprende circa 30.000 immagini a colori suddivise in 257 categorie.
• Ogni categoria contiene un minimo di 80 immagini.
• Le categorie comprendono un'ampia varietà di oggetti del mondo reale, tra cui animali, veicoli, oggetti domestici e persone.
• Le immagini hanno dimensioni e risoluzioni variabili.
• Il Caltech-256 è ampiamente utilizzato per l'addestramento e il test nel campo dell'apprendimento automatico, in particolare per i compiti di riconoscimento degli oggetti.

Struttura del set di dati

Come Caltech-101, il dataset Caltech-256 non prevede una suddivisione formale tra set di allenamento e set di test. Gli utenti in genere creano le proprie suddivisioni in base alle loro esigenze specifiche. Una pratica comune è quella di utilizzare un sottoinsieme casuale di immagini per la formazione e le restanti immagini per i test.

Applicazioni

Il dataset Caltech-256 è ampiamente utilizzato per l'addestramento e la valutazione di modelli di deep learning in compiti di riconoscimento di oggetti, come le reti neurali convoluzionali (CNN), le macchine vettoriali di supporto (SVM) e vari altri algoritmi di apprendimento automatico. La varietà di categorie e le immagini di alta qualità lo rendono un dataset prezioso per la ricerca e lo sviluppo nel campo dell'apprendimento automatico e della visione artificiale.

Utilizzo

Per addestrare un modello YOLO sul dataset Caltech-256 per 100 epoch, puoi utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consulta la pagina di addestramento del modello.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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 detect train data=caltech256 model=yolov8n-cls.pt epochs=100 imgsz=416

Immagini di esempio e annotazioni

Il dataset Caltech-256 contiene immagini a colori di alta qualità di vari oggetti, fornendo un set di dati completo per i compiti di riconoscimento degli oggetti. Ecco alcuni esempi di immagini tratte dal dataset(credito):

L'esempio mostra la diversità e la complessità degli oggetti presenti nel dataset Caltech-256, sottolineando l'importanza di un dataset vario per l'addestramento di modelli robusti di riconoscimento degli oggetti.

Citazioni e ringraziamenti

Se utilizzi il dataset Caltech-256 nel tuo lavoro di ricerca o sviluppo, cita il seguente documento:

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

Desideriamo ringraziare Gregory Griffin, Alex Holub e Pietro Perona per aver creato e mantenuto il dataset Caltech-256 come una preziosa risorsa per la comunità di ricerca sull'apprendimento automatico e la computer vision. Per maggiori informazioni sul

Per conoscere il dataset Caltech-256 e i suoi creatori, visita il sito web del dataset Caltech-256.

Commenti