企业官网建设流程全解析

在 YOLOv10 中基于 Caltech-101 数据集训练图像分类模型：数据集解析与完整实操指南

【免费下载链接】yolov10YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]项目地址: https://gitcode.com/GitHub_Trending/yo/yolov10

本文以 Caltech-101 图像分类数据集为切入点，完整讲解该数据集的来源背景、目录结构、在 Ultralytics YOLO（当前仓库 yolov10 项目）分类任务中的自动下载与训练流程，并结合 分类数据集基类实现 与 分类训练器 源码，给出从数据准备、训练、验证到预测的端到端实战方案。

一、Caltech-101 数据集概述

Caltech-101 是计算机视觉领域广泛使用的目标识别基准数据集，由加州理工学院维护（数据集主页可见于官方 Caltech Data 记录）。它包含约 9,000 张彩色图像，覆盖 101 个物体类别，类别选取刻意覆盖真实世界中形形色色的物体，且图像经过精心挑选与标注，构成了一个具有挑战性的目标识别基准。

关键特性（Key Features）

• 规模：约 9,000 张彩色图像，划分为 101 个类别；
• 类别多样性：覆盖动物、交通工具、家居用品、人物等广泛对象；
• 类别不均衡：每个类别的图像数量在约 40～800 张之间变化，属于典型的小样本/长尾分布场景；
• 图像分辨率：图像尺寸不一，多数为中等分辨率；
• 用途：在机器学习领域，尤其是目标识别任务中广泛用于训练与测试。

二、数据集结构：没有官方划分，自己切分

与许多自带 train/test 划分的数据集不同，Caltech-101 没有官方固定的训练集与测试集划分，使用者通常根据自身需求自行划分。一种常见做法是：每类随机抽取固定数量（例如每类 30 张）作为训练集，其余图像作为测试集。

从源码看 YOLO 分类数据集的目录规范

虽然 Caltech-101 官方没有划分，但在 Ultralytics YOLO 的分类流程中，数据必须组织成 torchvision 标准的 ImageFolder 格式：根目录下每个类一个子目录，子目录名即类别名，内部存放该类所有图像（JPEG/PNG 等）。这也是 分类数据集格式指南 中定义的通用规范：

root/ |-- class1/ | |-- img1.jpg | |-- img2.jpg | |-- ... |-- class2/ | |-- img1.jpg | |-- img2.jpg | |-- ... |-- class3/ | |-- img1.jpg | |-- img2.jpg | |-- ... |-- ...

这一结构与源码中的ClassificationDataset完全对应——该类直接继承自torchvision.datasets.ImageFolder（见 ultralytics/data/dataset.py），因此data='caltech101'这样的快捷名称在首次使用时会被自动下载并解析为 ImageFolder 形式的本地目录，随后build_dataset会基于该目录构造数据集实例（见 ultralytics/models/yolo/classify/train.py）。

训练/验证路径的解析方式

训练器基类通过get_dataset静态方法从数据集字典中取出train与val（或test）路径（见 ultralytics/engine/trainer.py）。对于 Caltech-101 这类没有独立 val 目录的数据集，实际使用中一般先将 Caltech-101 按自己的比例切分出train/与test/两个子目录（各自内部再按类别分子目录），再分别作为训练集与验证集路径传入。

三、应用场景

Caltech-101 被广泛用于深度学习模型的训练与评估，覆盖目标识别领域的典型算法：

• 卷积神经网络（CNNs）：如图像分类骨干网络的特征提取能力对比；
• 支持向量机（SVMs）：传统机器学习方法在视觉特征（如 HOG、SIFT 编码）上的分类性能验证；
• 其他机器学习与计算机视觉算法：其类别多样、图像质量高，是研究与开发阶段的理想基准。

从当前仓库看，Caltech-101 与 ImageNet 等一起被列为分类任务支持自动下载的数据集（见 分类数据集索引），并挂载在文档导航中（见 mkdocs.yml）。需要注意的是，分类任务官方预训练权重（yolov8n-cls.pt等）基于 ImageNet 训练，Caltech-101 更适合作为迁移学习或小样本分类的下游基准。

四、在 YOLOv10 仓库中训练：完整命令与参数

4.1 使用预训练模型训练 100 个 epoch

原文档给出两种等价的启动方式，分别对应 Python API 与 CLI 接口：

Python 方式

from ultralytics import YOLO # 加载模型（推荐使用预训练模型作为起点） model = YOLO('yolov8n-cls.pt') # 训练模型 results = model.train(data='caltech101', epochs=100, imgsz=416)

CLI 方式

# 从预训练的 *.pt 模型开始训练 yolo detect train data=caltech101 model=yolov8n-cls.pt epochs=100 imgsz=416

说明：yolo detect train与yolo classify train在分类任务中指向同一训练流程（CLI 解析后最终都调用分类训练器），data='caltech101'为数据集快捷名称，首次运行时若本地不存在会自动下载到数据集目录。

4.2 常用训练参数解析

data、epochs、imgsz只是最基础的三个参数，完整参数列表参见 训练模式文档 与 配置说明。结合分类数据加载源码，以下参数对训练影响显著：

4.3 训练数据加载的底层机制

ClassificationTrainer.get_dataloader的调用链如下（见 ultralytics/models/yolo/classify/train.py）：

1. 在 DDP 场景下先通过torch_distributed_zero_first(rank)保证.cache文件只初始化一次；
2. 调用build_dataset构造ClassificationDataset（augment=mode=='train'决定是否启用训练增强）；
3. 由build_dataloader打包为 PyTorch DataLoader；
4. 非训练模式下，将torch_transforms挂到模型上用于推理预处理。

ClassificationDataset.verify_images还会为数据集生成.cache缓存文件（含版本号与哈希校验），并对坏图进行过滤，避免损坏图像中断训练（见 ultralytics/data/dataset.py）。对于 Caltech-101 这类来源多样、可能存在少量损坏文件的真实数据集，这套校验机制尤为实用。

五、训练后的验证（Val）

分类任务的验证指标为 top-1 与 top-5 准确率。由于model会保留训练时的data等参数，验证时无需重复指定数据集：

Python 方式

from ultralytics import YOLO # 加载官方模型或自定义训练结果 model = YOLO('yolov8n-cls.pt') # 官方预训练模型 model = YOLO('path/to/best.pt') # 自定义训练模型 # 验证（数据集与设置已被模型记住） metrics = model.val() metrics.top1 # top1 准确率 metrics.top5 # top5 准确率

CLI 方式

yolo classify val model=yolov8n-cls.pt # 验证官方模型 yolo classify val model=path/to/best.pt # 验证自定义模型

六、用训练好的模型做预测（Predict）

Python 方式

from ultralytics import YOLO model = YOLO('path/to/best.pt') # 加载训练好的模型 results = model('path/to/image.jpg') # 对单张图像预测

CLI 方式

yolo classify predict model=path/to/best.pt source='path/to/image.jpg'

七、模型导出（Export）

分类模型可导出为 ONNX、TensorRT、CoreML、OpenVINO、TF Lite 等十余种格式，导出后可直接用于predict/val：

# Python model.export(format='onnx') # CLI yolo export model=path/to/best.pt format=onnx

各导出格式支持的参数（如imgsz、half、int8、dynamic等）详见 导出模式文档 与 分类任务文档。

八、引用与致谢

在科研或开发工作中使用 Caltech-101 数据集，请引用以下论文：

@article{fei2007learning, title={Learning generative visual models from few training examples: An incremental Bayesian approach tested on 101 object categories}, author={Fei-Fei, Li and Fergus, Rob and Perona, Pietro}, journal={Computer vision and Image understanding}, volume={106}, number={1}, pages={59--70}, year={2007}, publisher={Elsevier} }

该数据集由 Li Fei-Fei、Rob Fergus 与 Pietro Perona 创建并维护，作为机器学习与计算机视觉研究社区的宝贵资源长期开放，具体信息可查阅 Caltech Data 平台上的数据集主页。

九、进一步阅读

• 分类任务总览（含预训练模型表）
• 分类数据集格式与全部支持数据集
• Caltech-256 数据集（Caltech-101 的扩展版本，256 类）
• ImageNet 数据集（分类预训练权重来源）
• 训练模式参数总览
• 配置参数参考

【免费下载链接】yolov10YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]项目地址: https://gitcode.com/GitHub_Trending/yo/yolov10