Caltech-256 Veri Kümesi
Caltech-256 veri kümesi, nesne sınıflandırma görevleri için kullanılan kapsamlı bir görüntü koleksiyonudur. Yaklaşık 30.000 görüntüyü 257 kategoriye (256 nesne kategorisi ve 1 arka plan kategorisi) ayırmaktadır. Görüntüler, nesne tanıma algoritmaları için zorlu ve çeşitli bir ölçüt sağlamak üzere özenle seçilmiş ve açıklanmıştır.
Temel Özellikler
- Caltech-256 veri seti 257 kategoriye ayrılmış yaklaşık 30.000 renkli görüntüden oluşmaktadır.
- Her kategori en az 80 resim içermektedir.
- Kategoriler hayvanlar, araçlar, ev eşyaları ve insanlar da dahil olmak üzere çok çeşitli gerçek dünya nesnelerini kapsamaktadır.
- Görseller değişken boyut ve çözünürlüktedir.
- Caltech-256, özellikle nesne tanıma görevleri olmak üzere makine öğrenimi alanında eğitim ve test için yaygın olarak kullanılmaktadır.
Veri Kümesi Yapısı
Caltech-101 gibi, Caltech-256 veri kümesinde de eğitim ve test kümeleri arasında resmi bir ayrım yoktur. Kullanıcılar genellikle kendi özel ihtiyaçlarına göre kendi ayrımlarını oluştururlar. Yaygın bir uygulama, eğitim için rastgele bir görüntü alt kümesi ve test için kalan görüntüleri kullanmaktır.
Uygulamalar
Caltech-256 veri kümesi, Evrişimli Sinir Ağları (CNN'ler), Destek Vektör Makineleri (SVM'ler) ve diğer çeşitli makine öğrenimi algoritmaları gibi nesne tanıma görevlerinde derin öğrenme modellerini eğitmek ve değerlendirmek için yaygın olarak kullanılmaktadır. Çeşitli kategorileri ve yüksek kaliteli görüntüleri, makine öğrenimi ve bilgisayarla görme alanında araştırma ve geliştirme için paha biçilmez bir veri kümesi haline getirmektedir.
Kullanım
Caltech-256 veri kümesi üzerinde 100 epokluk bir YOLO modelini eğitmek için aşağıdaki kod parçacıklarını kullanabilirsiniz. Kullanılabilir bağımsız değişkenlerin kapsamlı bir listesi için Model Eğitimi sayfasına bakın.
Tren Örneği
Örnek Görüntüler ve Açıklamalar
Caltech-256 veri kümesi, çeşitli nesnelerin yüksek kaliteli renkli görüntülerini içerir ve nesne tanıma görevleri için kapsamlı bir veri kümesi sağlar. İşte veri kümesinden bazı görüntü örnekleri(kredi):
Örnek, Caltech-256 veri kümesindeki nesnelerin çeşitliliğini ve karmaşıklığını göstermekte ve sağlam nesne tanıma modellerini eğitmek için çeşitli bir veri kümesinin önemini vurgulamaktadır.
Atıflar ve Teşekkür
Araştırma veya geliştirme çalışmalarınızda Caltech-256 veri setini kullanıyorsanız, lütfen aşağıdaki makaleye atıfta bulunun:
Gregory Griffin, Alex Holub ve Pietro Perona'ya Caltech-256 veri setini makine öğrenimi ve bilgisayarla görme araştırma topluluğu için değerli bir kaynak olarak oluşturdukları ve sürdürdükleri için teşekkür ederiz. Veri seti hakkında daha fazla bilgi için
Caltech-256 veri seti ve yaratıcıları için Caltech-256 veri seti web sitesini ziyaret edin.