计算机视觉标准数据集整理—Caltech数据集

最新推荐文章于 2025-05-28 14:29:18 发布
原创 最新推荐文章于 2025-05-28 14:29:18 发布 · 1.8w 阅读 · 24 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了Caltech-101和Caltech-256两个图像数据集的基本信息及下载方式。Caltech-101包含101类图像，每类约40至800张图片，大部分为50张/类；Caltech-256则包含256类共30,607张图像。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Caltech数据集



Caltech数据集主要包括2类，一类是Caltech-101；另一类是Caltech-256。




Caltech-101数据集（用作101类图像分类）




这个数据集包含了101类的图像，每类大约有40~800张图像，大部分是50张/类；


在2003年由lifeifei收集，每张图像的大小大约是300x200。



Caltech-101数据集下载



下载地址: 101_ObjectCategories.tar.gz(131MB)



Caltech-256数据集（用作256类的图像分类）




此数据集和Caltech-101相似，包含了30,607张图像。



Caltech-256数据集下载




下载地址: 256_ObjectCategroies.tar(1.2GB)







Caltech101数据集原始数据数据集
06-30
Caltech101 是一个图像物体识别数据集，包含 101 类物体的图像，每个类别中最小包含 31 张图片。
caltech101数据集
08-09
本数据集是caltech101数据集压缩包，完整有效，是深度学习用于图像分类的经典数据集。
深度学习数据集探秘：从炼丹到实战的进阶之路（与CNN的奇妙联动）
最新发布
qiutesting的博客
05-28 1193
正如炼丹需要"天材地宝"，深度学习的突破离不开高质量数据集的支撑。从MNIST的"入门试炼"到ImageNet的"巅峰对决"，这些数据集不仅是模型的"训练场"，更是推动AI技术进化的"燃料"。下一次当你调整CNN的超参数时，不妨想想：你正在用怎样的"药材"，炼制属于你的AI"灵丹"？📌互动话题：你在项目中用过哪些数据集？欢迎在评论区分享你的"炼丹心得"！延伸阅读《深度学习笔记：超萌玩转卷积神经网络（CNN）（炼丹续篇）》希望这篇文章能帮你打通数据集与CNN的"任督二脉"！
caltech101数据集.zip
10-28
caltech101数据集包含101类，已经分好训练集与测试集，每一个类别的图像在一个单独的文件夹，每一类图像的个数及大小可能都不相同
Office-Caltech数据集
11-03
完整的Office-Caltech数据集 用于领域自适应的标准数据集。
CALTECH 101(加利福尼亚理工学院101类图像数据库)
热门推荐
Solomon1558的专栏
04-11 2万+
CALTECH 101(加利福尼亚理工学院101类图像数据库)的简介及相关论文链接。
图像数据集 CALTECH 101
06-19
《图像数据集CALTECH 101：开启计算机视觉之旅》 计算机视觉是一门多领域交叉学科，涉及图像处理、机器学习、模式识别等多个方面。在这个领域中，数据集起着至关重要的作用，它们是算法训练和评估的基础。本文将...
比赛数据集由以下四个子数据集构成（Tsinghua-Dog数据集，Caltech-101数据
10-01
Caltech-101数据集是一个在计算机视觉领域广泛使用的标准数据集，由美国加州理工学院（California Institute of Technology）发布。它包含了101种不同类别的物体图片，每类有约40到800张图像，这些图像大都是从...
Caltech Pedestrian数据集介绍
myh12138的博客
06-11 2977
是一个用于检测行人的数据集，加州理工学院于 2009 年发布，此后经过数次修改至今。其包含约 10 小时 640 * 480 的 30Hz 视频，主要由行驶在乡村街道上的小车拍摄，视频共计约 250,000 帧，包含 350,000 个边界框和 2300 个行人的注释，其中注释包括包围盒详细的闭塞标签之间的对应关系。 数据集主要包括1. 训练集+测试集：seq格式的数据；2.行人标签数据:vbb(video bounding box)格式的数据，该格式数据主要是数据集1中的行人bounding box。
Caltech 256数据集（下）
08-21
Caltech 256数据集是加利福尼亚理工学院收集整理的数据集，该数据集选自Google Image数据集，并手工去除了不符合其类别的图片。在该数据集中，图片被分为256类，每个类别的图片超过80张。
Caltech 256数据集（上）
08-21
Caltech 256数据集是加利福尼亚理工学院收集整理的数据集，该数据集选自Google Image数据集，并手工去除了不符合其类别的图片。在该数据集中，图片被分为256类，每个类别的图片超过80张。
Caltech-101 图片数据集.7z
07-13
Caltech-101 Dataset 是由 101 个类别的对象图片组成的数据集，它主要用于目标识别和图像分类。不同类别有 40 至 800 张图片，每张图片的大小在 300 * 200 像素，且数据集的发布者均已标注对应的目标以供使用。 该数据集由加州理工学院的李菲菲、马克安德烈托和 Marc’Aurelio Ranzato 于 2003 年 9 月收集，相关论文有《Learning generative visual models from few training examples: an incremental Bayesian approach tested on 101 object categories》、《One-Shot learning of object categories》。
Caltech-256 数据集原始数据数据集
07-05
Caltech-256 是一个图像物体识别数据集，包含 30608 张图片，256个物体类别，每类图片最少80张，最多827张。
Caltech Pedestrian Dataset 数据集seq文件解析工具
01-21
此源码功能是将Caltech Pedestrian Dataset的seq文件转换成jpg文件，工程为vs2008，数据集请在http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/datasets/USA/自行下载
Caltech Pedestrian数据集
qq_37673434的博客
04-06 3633
前言： 由于作者最近在做行人目标检测这方面的研究，需要用到Caltech Pedestrian数据集，但该数据集存在的一些问题使我不得不对其进行一些适配性的处理。趁着炼丹的功夫来记录一下处理过程。 正文： Caltech Pedestrian dataset 下载链接：Caltech—USA 下载原数据可能需要爬墙，若需要的话也可在文末获取本文处理后的数据。 言归正传，原数据的标签和图片格式分是.vbb和.seq，我希望对其进行一个xml和jpg的转换，在Caltech数据集目录同级处创建两个python文
【深度学习-图像识别】使用fastai对Caltech101数据集进行图像多分类（50行以内的代码就可达到很高准确率）
AiFool的博客
08-19 2259
我们借助fastai训练了resnet101模型，对 101 个类别的图像数据集进行了分类。 使用基于pytorch的fastai库，使用resnet模型和有101个类别的Caltech101图像数据集，训练了一个高准确率的多分类的深度学习模型，能够对101个类别的图像大数据集进行准确的图像类别识别。 使用简洁高效的代码，借助GPU提升训练速度（也可以使用CPU训练，本项目会自动识别硬件），首先数据集进行预处理，然后对模型进行训练，并将模型保存为pkl格式，最后对测试集的图像的类别进行预测。
Alexnet实现Caltech101数据集图像分类（pytorch实现）
gary101818的博客
06-10 7052
从101个文件中读取图像数据（进行resize和RGB的转化，原始图像数据大小不一，必须resize），并为其加上101类标签（0-100） 进行图像变换，并分出训练集，验证集和测试集 自定义一个数据集类（继承自dataset）便于数据加载 网络结构 Alexnet模型由5个卷积层和3个池化Pooling 层 ，其中还有3个全连接层构成。AlexNet 跟 LeNet 结构类似，但使⽤了更多的卷积层和更⼤的参数空间来拟合⼤规模数据集 ImageNet。它是浅层神经⽹络和深度神经⽹络的分界线。 Alexnet
Caltech行人数据集转VOC格式Python脚本详解
给定的Python代码的作用是将Caltech行人数据集转化为VOC格式，使得数据集能够被计算机视觉任务相关程序所使用。转化流程大致如下： 1. **数据集准备**：首先需要获取Caltech行人数据集，包括图片文件和相关的标注...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值