─░├žeri─če ge├ž

Caltech-256 Veri K├╝mesi

Caltech-256 veri k├╝mesi, nesne s─▒n─▒fland─▒rma g├Ârevleri i├žin kullan─▒lan kapsaml─▒ bir g├Âr├╝nt├╝ koleksiyonudur. Yakla┼č─▒k 30.000 g├Âr├╝nt├╝y├╝ 257 kategoriye (256 nesne kategorisi ve 1 arka plan kategorisi) ay─▒rmaktad─▒r. G├Âr├╝nt├╝ler, nesne tan─▒ma algoritmalar─▒ i├žin zorlu ve ├že┼čitli bir ├Âl├ž├╝t sa─člamak ├╝zere ├Âzenle se├žilmi┼č ve a├ž─▒klanm─▒┼čt─▒r.

Temel ├ľzellikler

  • Caltech-256 veri seti 257 kategoriye ayr─▒lm─▒┼č yakla┼č─▒k 30.000 renkli g├Âr├╝nt├╝den olu┼čmaktad─▒r.
  • Her kategori en az 80 resim i├žermektedir.
  • Kategoriler hayvanlar, ara├žlar, ev e┼čyalar─▒ ve insanlar da dahil olmak ├╝zere ├žok ├že┼čitli ger├žek d├╝nya nesnelerini kapsamaktad─▒r.
  • G├Ârseller de─či┼čken boyut ve ├ž├Âz├╝n├╝rl├╝ktedir.
  • Caltech-256, ├Âzellikle nesne tan─▒ma g├Ârevleri olmak ├╝zere makine ├Â─črenimi alan─▒nda e─čitim ve test i├žin yayg─▒n olarak kullan─▒lmaktad─▒r.

Veri K├╝mesi Yap─▒s─▒

Caltech-101 gibi, Caltech-256 veri k├╝mesinde de e─čitim ve test k├╝meleri aras─▒nda resmi bir ayr─▒m yoktur. Kullan─▒c─▒lar genellikle kendi ├Âzel ihtiya├žlar─▒na g├Âre kendi ayr─▒mlar─▒n─▒ olu┼čtururlar. Yayg─▒n bir uygulama, e─čitim i├žin rastgele bir g├Âr├╝nt├╝ alt k├╝mesi ve test i├žin kalan g├Âr├╝nt├╝leri kullanmakt─▒r.

Uygulamalar

Caltech-256 veri k├╝mesi, Evri┼čimli Sinir A─člar─▒ (CNN'ler), Destek Vekt├Âr Makineleri (SVM'ler) ve di─čer ├že┼čitli makine ├Â─črenimi algoritmalar─▒ gibi nesne tan─▒ma g├Ârevlerinde derin ├Â─črenme modellerini e─čitmek ve de─čerlendirmek i├žin yayg─▒n olarak kullan─▒lmaktad─▒r. ├çe┼čitli kategorileri ve y├╝ksek kaliteli g├Âr├╝nt├╝leri, makine ├Â─črenimi ve bilgisayarla g├Ârme alan─▒nda ara┼čt─▒rma ve geli┼čtirme i├žin paha bi├žilmez bir veri k├╝mesi haline getirmektedir.

Kullan─▒m

Caltech-256 veri k├╝mesi ├╝zerinde 100 epokluk bir YOLO modelini e─čitmek i├žin a┼ča─č─▒daki kod par├žac─▒klar─▒n─▒ kullanabilirsiniz. Kullan─▒labilir ba─č─▒ms─▒z de─či┼čkenlerin kapsaml─▒ bir listesi i├žin Model E─čitimi sayfas─▒na bak─▒n.

Tren ├ľrne─či

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

├ľrnek G├Âr├╝nt├╝ler ve A├ž─▒klamalar

Caltech-256 veri k├╝mesi, ├že┼čitli nesnelerin y├╝ksek kaliteli renkli g├Âr├╝nt├╝lerini i├žerir ve nesne tan─▒ma g├Ârevleri i├žin kapsaml─▒ bir veri k├╝mesi sa─člar. ─░┼čte veri k├╝mesinden baz─▒ g├Âr├╝nt├╝ ├Ârnekleri(kredi):

Veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

├ľrnek, Caltech-256 veri k├╝mesindeki nesnelerin ├že┼čitlili─čini ve karma┼č─▒kl─▒─č─▒n─▒ g├Âstermekte ve sa─člam nesne tan─▒ma modellerini e─čitmek i├žin ├že┼čitli bir veri k├╝mesinin ├Ânemini vurgulamaktad─▒r.

At─▒flar ve Te┼čekk├╝r

Ara┼čt─▒rma veya geli┼čtirme ├žal─▒┼čmalar─▒n─▒zda Caltech-256 veri setini kullan─▒yorsan─▒z, l├╝tfen a┼ča─č─▒daki makaleye at─▒fta bulunun:

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

Gregory Griffin, Alex Holub ve Pietro Perona'ya Caltech-256 veri setini makine ├Â─črenimi ve bilgisayarla g├Ârme ara┼čt─▒rma toplulu─ču i├žin de─čerli bir kaynak olarak olu┼čturduklar─▒ ve s├╝rd├╝rd├╝kleri i├žin te┼čekk├╝r ederiz. Veri seti hakk─▒nda daha fazla bilgi i├žin

Caltech-256 veri seti ve yarat─▒c─▒lar─▒ i├žin Caltech-256 veri seti web sitesini ziyaret edin.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (5)

Yorumlar