Caltech-256データセット

Caltech-256データセットは、物体分類タスクに使用される大規模な画像コレクションです。これには257のカテゴリ（256の物体カテゴリと1つの背景カテゴリ）に分類された約30,000枚の画像が含まれています。画像は慎重にキュレーションおよびアノテーションされており、物体認識アルゴリズムのための挑戦的で多様なベンチマークを提供します。

Watch: How to Train Image Classification Model using Caltech-256 Dataset with Ultralytics YOLO26

自動データ分割

Caltech-256データセットには、あらかじめ定義されたトレーニング/検証セットの分割は含まれていません。しかし、以下の使用例で提供されているトレーニングコマンドを使用すると、Ultralyticsフレームワークが自動的にデータセットを分割します。デフォルトの分割は、トレーニングセットに80%、検証セットに20%が使用されます。

主な特徴

Caltech-256データセットは、257のカテゴリに分類された約30,000枚のカラー画像で構成されています。
各カテゴリには最低80枚の画像が含まれています。
カテゴリは、動物、乗り物、家庭用品、人物など、多種多様な現実世界の物体を網羅しています。
画像サイズや解像度は一定ではありません。
Caltech-256は、機械学習の分野、特に物体認識タスクのトレーニングやテストに広く使用されています。

データセットの構造

Caltech-101と同様に、Caltech-256データセットにはトレーニングセットとテストセットの正式な分割はありません。ユーザーは通常、特定のニーズに応じて独自の分割を作成します。一般的な慣習として、画像のランダムなサブセットをトレーニングに使用し、残りの画像をテストに使用します。

アプリケーション

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.

使用方法

Caltech-256データセットでYOLOモデルを100エポック分トレーニングするには、以下のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデルのトレーニングページを参照してください。

トレーニングの例

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)

サンプル画像とアノテーション

Caltech-256データセットには、さまざまな物体の高品質なカラー画像が含まれており、物体認識タスクのための包括的なデータセットを提供しています。以下はデータセットの画像の例です（提供）：

Caltech-256画像分類データセットのサンプル

この例は、Caltech-256データセット内の物体の多様性と複雑さを示しており、堅牢な物体認識モデルをトレーニングするために多様なデータセットが重要であることを強調しています。

引用と謝辞

研究や開発活動でCaltech-256データセットを使用する場合は、次の論文を引用してください。

引用

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

機械学習およびコンピュータビジョンの研究コミュニティにとって価値あるリソースとしてCaltech-256データセットを作成し、維持しているGregory Griffin氏、Alex Holub氏、Pietro Perona氏に感謝の意を表します。Caltech-256データセットとその作成者の詳細については、Caltech-256データセットのウェブサイトをご覧ください。

FAQ