Caltech-101 データセット#

9,144

Caltech-101

ultralytics

publicClassify

Caltech-101 is a classic image classification benchmark from Caltech containing 9,144 images across 101 object categories plus a background category. This production package uses a deterministic class-stratified 80/20 split with 7,280 training and 1,864 validation images, preserving all 102 classes and all source images. Created by Li Fei-Fei, Rob Fergus, and Pietro Perona. Licensed CC BY 4.0; please cite Learning Generative Visual Models from Few Training Examples (CVPR Workshop, 2004).

102 classes194.3 MBAug 21, 2026

BACKGROUND_GoogleFacesFaces_easyLeopards+98

image-classificationcaltech101object-recognition+1

Caltech-101 データセットは、101のオブジェクトカテゴリと1つの背景クラスにわたる9,144枚の画像で構成される、クラシックなimage classificationベンチマークです。各カテゴリには、動物、乗り物、日用品、人物などの現実世界のオブジェクトの画像が約40〜800枚含まれており、オブジェクト認識モデルにとってコンパクトながらやりがいのあるベンチマークとなっています。

サンプルをプレビューし、データセットの統計情報を確認し、トレーニング用にクローンするには、Caltech-101 on Ultralytics Platform をご覧ください。

主な特徴#

• Caltech-101には、101のオブジェクトカテゴリと1つの BACKGROUND_Google クラスにわたる9,144枚のカラー画像が含まれています（合計102のクラスフォルダ）。
• カテゴリは、動物、乗り物、日用品、人物など、現実世界の幅広いオブジェクトにわたっています。
• 各カテゴリには約40から800枚の画像が含まれているため、クラスサイズには不均衡があります。
• 画像のサイズは可変で、ほとんどが約300x200ピクセル（中解像度）です。
• Caltech-101は、image classificationおよびオブジェクト認識アルゴリズムのベンチマークとして広く使用されています。

データセットの構造#

Caltech-101は、事前定義された学習/検証の分割なしで、102のフォルダ（クラスごとに1つ、101のオブジェクトカテゴリと1つの BACKGROUND_Google クラスをカバー）として配布されます。学習を開始すると、Ultralyticsが自動的に画像を分割するため、手動の設定なしでモデルが102すべてのクラスにわたって学習します：

• クラス: 102（101のオブジェクトカテゴリ + 1つの背景）
• 総画像数: 9,144
• 学習/検証分割: 自動で80% / 20%（学習用約7,280枚、検証用約1,864枚）
• クラスあたりの画像数: 約40から800（不均衡）

アプリケーション#

Caltech-101は、Convolutional Neural Networks（CNN）やSupport Vector Machines（SVM）を含め、image classificationおよびオブジェクト認識モデルの学習と評価に広く使用されています。その幅広いカテゴリのカバレッジとクリーンでラベル付けされた画像により、machine learningおよびcomputer visionの研究やプロトタイピングにおいて人気のベンチマークとなっています。

使用方法#

画像サイズ416で100epochsにわたり、Caltech-101でYOLOモデルを学習させます。利用可能な引数の完全なリストについては、Trainingページおよびimage classificationタスクガイドを参照してください。

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)

サンプル画像とアノテーション#

Caltech-101データセットには、さまざまなオブジェクトの高品質なカラー画像が含まれており、image classificationタスクに向けたよく構造化されたデータセットを提供します。以下は、データセットからの画像の例です：

サンプル画像には、Caltech-101に典型的な様々なカテゴリと自然で中心に配置された構図が示されており、堅牢なオブジェクト認識モデルを学習させるためのクリーンな出発点となります。

引用と謝辞#

研究や開発作業で Caltech-101 データセットを使用する場合は、以下の論文を引用してください。

@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}
}

機械学習およびコンピュータビジョン研究コミュニティにとって貴重なリソースとしてCaltech-101データセットを作成および維持してくださったLi Fei-Fei氏、Rob Fergus氏、Pietro Perona氏に謝意を表します。Caltech-101データセットとその作成者の詳細については、Caltech-101 dataset websiteをご覧ください。

よくある質問 (FAQ)#