Caltech-256 데이터 세트

Caltech-256 데이터 세트는 물체 분류 작업에 사용되는 광범위한 이미지 모음입니다. 257개의 카테고리(256개의 물체 카테고리와 1개의 배경 카테고리)로 나뉜 약 30,000개의 이미지가 포함되어 있습니다. 이 이미지들은 물체 인식 알고리즘을 위한 도전적이고 다양한 벤치마크를 제공하기 위해 신중하게 선별되고 주석을 달았습니다.

주요 기능

• Caltech-256 데이터 세트는 257개의 카테고리로 나뉜 약 30,000개의 컬러 이미지로 구성되어 있습니다.
• 각 카테고리에는 최소 80개의 이미지가 포함됩니다.
• 카테고리에는 동물, 차량, 가정용품, 사람 등 다양한 실제 사물이 포함됩니다.
• 이미지의 크기와 해상도는 다양합니다.
• Caltech-256은 머신러닝 분야, 특히 객체 인식 작업의 훈련 및 테스트에 널리 사용됩니다.

데이터 세트 구조

Caltech-101과 마찬가지로, Caltech-256 데이터 세트는 훈련 세트와 테스트 세트 사이에 공식적인 분할이 없습니다. 사용자는 일반적으로 특정 필요에 따라 자체적으로 분할을 생성합니다. 일반적으로 이미지의 무작위 하위 집합을 트레이닝에 사용하고 나머지 이미지를 테스트에 사용하는 것이 일반적입니다.

애플리케이션

Caltech-256 데이터 세트는 컨볼루션 신경망(CNN), 서포트 벡터 머신(SVM) 및 기타 다양한 머신러닝 알고리즘과 같은 객체 인식 작업에서 딥러닝 모델을 훈련하고 평가하는 데 광범위하게 사용됩니다. 다양한 카테고리와 고품질 이미지로 구성되어 있어 머신 러닝 및 컴퓨터 비전 분야의 연구와 개발에 매우 유용한 데이터 세트입니다.

사용법

다음 코드 조각을 사용하여 100개의 에포크에 대해 Caltech-256 데이터 집합에서 YOLO 모델을 훈련할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습 페이지를 참조하세요.

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

샘플 이미지 및 주석

Caltech-256 데이터 세트에는 다양한 물체의 고품질 컬러 이미지가 포함되어 있어 물체 인식 작업을 위한 포괄적인 데이터 세트를 제공합니다. 다음은 데이터 세트의 이미지 몇 가지 예시입니다(크레딧):

이 예는 Caltech-256 데이터 세트에 포함된 객체의 다양성과 복잡성을 보여주며, 강력한 객체 인식 모델을 훈련하기 위해서는 다양한 데이터 세트가 중요하다는 점을 강조합니다.

인용 및 감사

연구 또는 개발 작업에 Caltech-256 데이터 집합을 사용하는 경우 다음 논문을 인용해 주세요:

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

머신 러닝 및 컴퓨터 비전 연구 커뮤니티를 위한 귀중한 리소스인 Caltech-256 데이터 세트를 만들고 유지 관리해 주신 Gregory Griffin, Alex Holub, Pietro Perona에게 감사의 말씀을 전합니다. 자세한 내용은

Caltech-256 데이터 세트 및 제작자는 Caltech-256 데이터 세트 웹 사이트를 방문하세요.

댓글