Caltech 101
Caltech 101是a数据集数字图象创造在2003年9月,编写由Fei-Fei李,
Marco Andreetto和果渣‘Aurelio Ranzato在加州理工学院.
它意欲促进计算机视觉研究并且技术。
它是最可适用的到感兴趣的技术公认,分类和范畴.
Caltech 101包含总共9146个图象,分裂在101分明对象之间(包括面孔,手表,蚂蚁,钢琴等等)和背景类别(为总共102类别).
带有图象套注释描述每个图象概述,与a一起Matlab剧本为观察。
目的
多数计算机视觉和机器学习算法起作用通过火车在大套例子输入。
要运作有效地,大多这些技术要求大和各种各样的套训练数据。 例如,保罗?
Viola和Micheal使用的相对地知名的真正的时间面孔探知方法J。 琼斯在4916张手被标记的面孔被训练了.
然而,获取大容量适当和能用的图象经常是困难的。
此外,用手播种和重量尺寸许多图象,以及标号问题的兴趣,是一项繁琐和时间密集的任务。
历史上,用于计算机视觉研究的多数数据集为专门制作运作的项目的具体需要。
一个大问题在比较不同的计算机视觉技术是事实多数小组使用他们自己的数据集。
每一个这些数据集也许有由不同的方法使报告的结果更加坚硬直接地比较的不同的物产。
例如,在图象大小,图象质量上的区别,对象的相对地点在图象之内和级锁柱和凌乱当前罐头导致变化的结果。
Caltech缓和许多的101个数据集目标这些共同的问题。
收集大套工作图象和庄稼和重量尺寸他们适当地照料。
很大数量不同的类别代表,有益于两唯一和多类公认算法。