Ultralytics YOLO 图像分类实战：Caltech-101 数据集详解与 YOLO26 分类模型训练指南

Caltech-101 是计算机视觉领域经典的图像分类基准数据集，包含 9,144 张图像、101 个物体类别外加 1 个背景类，共 102 个类别目录。本文以 Ultralytics 官方文档为基础，结合本仓库中 数据集切分工具 与 分类训练器 的源码实现，完整讲解如何用 YOLO 分类模型（如 yolo26n-cls）在 Caltech-101 上零手工准备地完成训练：包括数据集结构与 80/20 自动切分机制、Python/CLI 两种训练方式的关键参数、以及底层训练流程的实现细节，帮助读者快速复现并理解整个训练链路。

Caltech-101 数据集概览

Caltech-101 由加州理工学院发布，是一个覆盖真实世界物体（动物、车辆、家居用品、人物等）的经典分类基准。其核心特性如下：

• 规模：9,144 张彩色图像，分布在 101 个物体类别外加 1 个 BACKGROUND_Google 背景类，共 102 个类别目录。
• 类别不平衡：每个类别的图像数量约为 40 到 800 张，类别规模差异显著，训练时需关注小样本类别的表现。
• 分辨率：图像尺寸可变，多数图像约为 300x200 像素（中等分辨率）。
• 定位：被广泛用于图像分类与目标识别算法（CNN、SVM 及各类深度学习模型）的基准评测，是模型研究与原型验证的常用数据集。

数据集结构与自动切分

Caltech-101 以 102 个类别文件夹 的形式分发，不自带预定义的训练/验证划分。Ultralytics 在首次训练时会自动完成 80% 训练 / 20% 验证的切分，无需任何手工准备：

项目	说明
类别数	102（101 个物体类别 + 1 个背景类）
图像总数	9,144 张
训练/验证划分	自动 80% / 20%（约 7,280 张训练、1,864 张验证）
每类图像数	约 40 到 800（不平衡分布）

这种"目录即标注"的结构（文件夹名 = 类别名）正是 Ultralytics 分类任务的数据格式要求，也是自动切分能够生效的前提。

源码视角：自动切分是怎么实现的

文档中"训练时自动切分"的说明，对应仓库中的通用切分工具 split_classify_dataset。该函数的行为可以从源码直接确认：

1. 输出目录：在源目录旁创建 {source_dir}_split 新目录，包含 train/ 与 val/ 两个子目录，保留原有类别结构（例如 caltech_split/train/<class>/）；
2. 切分比例：train_ratio 参数默认 0.8，逐类执行 random.shuffle 后按比例 shutil.copy2 复制文件，保证每个类别内部都按 80/20 划分，而不是全局随机划分；
3. 文件过滤：只处理后缀在 IMG_FORMATS 白名单内的图片文件（shutil 复制而非移动，原数据不动）。

从源码结构看，该函数还通过 __main__ 入口（split.py）直接支持 split_classify_dataset("caltech101") 的命令行调用，说明官方工具链将 Caltech-101 作为分类数据集切分的标准示例场景。若需要自定义比例（如 75/25），可直接调用 split_classify_dataset("path/to/caltech101", 0.75)。

应用场景

Caltech-101 被广泛用于训练和评测图像分类与目标识别模型，包括卷积神经网络（CNN）与支持向量机（SVM）等算法。其类别覆盖面广、标注干净，是机器学习与计算机视觉研究及原型开发的热门基准。在 Ultralytics 生态中，它是 YOLO 分类任务（task=classify）的典型训练数据源之一——仓库文档在 分类数据集总览 中将 Caltech-101 与 Caltech-256、CIFAR-10/100、Fashion-MNIST、MNIST、Imagenette、ImageNet-10 等并列为支持自动下载的分类数据集。

使用：在 Caltech-101 上训练 YOLO 分类模型

官方推荐的入门配置是：100 个 epoch、图像尺寸 416，使用预训练权重 yolo26n-cls.pt 作为起点。数据集在首次使用时会自动下载。以下两种方式等价，完整的训练参数列表可参考 训练模式文档 与 图像分类任务指南。

Python

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n-cls.pt")  # 加载预训练模型（训练时推荐）

# 训练模型
results = model.train(data="caltech101", epochs=100, imgsz=416)

CLI

# 从预训练 *.pt 模型开始训练
yolo classify train data=caltech101 model=yolo26n-cls.pt epochs=100 imgsz=416

关键参数说明

参数	示例值	说明
data	caltech101	数据集名称，首次使用自动下载
model	yolo26n-cls.pt	分类任务预训练权重，作为迁移学习起点
epochs	100	训练轮数
imgsz	416	输入图像尺寸。注意：分类任务的默认值是 224（见下文源码说明），显式传入 416 可获得更高的分类精度

源码视角：ClassificationTrainer 的训练链路

model.train(data="caltech101", ...) 在分类任务下会路由到 ClassificationTrainer。其中几个与本文示例直接相关的实现细节：

• imgsz 默认值：ClassificationTrainer.__init__ 中，当 imgsz 未指定时强制设为 224（overrides["imgsz"] = 224）。这就是为什么 Caltech-101 文档示例显式指定 imgsz=416——不传的话会以较小的 224 尺寸训练。
• 类别数自动对齐：setup_model 末尾调用 ClassificationModel.reshape_outputs(self.model, self.data["nc"])（train.py），把模型输出头重塑为数据集的类别数。对 Caltech-101 而言即 102 个输出通道（101 物体类 + 1 背景类），无需手工配置 nc。
• 数据加载与防御性校验：get_dataloader 基于 ClassificationDataset 构建数据集，并在样本的类别索引超出模型 nc 时自动过滤多余类别并告警（train.py），避免训练中出现 CUDA 断言错误；若 train/ 或 val/ 目录下找不到任何图像则会抛出 FileNotFoundError 并提示分类数据集格式要求。
• 模型来源：setup_model 还检查模型名是否存在于 torchvision.models 命名空间中——若在，则直接以 ImageNet 预训练权重实例化对应 torchvision 模型，这意味着除 YOLO 分类头外也可用 torchvision 骨干在 Caltech-101 上训练。

训练过程中，分类任务还会通过 plot_training_samples 将带标签的训练批次可视化保存为 train_batch*.jpg，便于检查数据增强与加载是否正常。

手动控制切分（可选）

如前所述，Caltech-101 没有预定义划分，Ultralytics 首次训练时自动按 80/20 切分。若想完全控制划分比例，可以在训练前自行把图像组织到 train/ 与 val/ 文件夹中，也可以直接复用仓库提供的通用工具：

from ultralytics.data.split import split_classify_dataset

# 对已下载的 Caltech-101 数据目录执行自定义比例切分
split_classify_dataset("path/to/caltech101", train_ratio=0.75)

数据集样例与引用

Caltech-101 的图像以"物体居中、背景干净"的取景方式著称，这种天然的居中构图使其成为训练鲁棒目标识别模型的干净起点。

若在研究或开发工作中使用了 Caltech-101 数据集，请按学术规范引用其原始论文（Li Fei-Fei, Rob Fergus, Pietro Perona, 2007）：

@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}
}

FAQ

Caltech-101 在机器学习中用于什么？

Caltech-101 被广泛用于训练和评测图像分类与目标识别模型。它包含 101 个物体类别加 1 个背景类的 9,144 张图像，是评测 CNN、SVM 等算法的经典基准。

如何用 Ultralytics YOLO 模型在 Caltech-101 上训练？

直接使用本文"使用"一节的 Python/CLI 示例即可。数据集在首次使用时自动下载并自动完成 80/20 切分，无需手工准备。完整参数列表见 训练模式文档。

Caltech-101 有多少个类别？

101 个物体类别加 1 个 BACKGROUND_Google 背景类，共 102 个类别目录、9,144 张图像。使用 Ultralytics 训练时，模型会学习全部 102 个类别（由 reshape_outputs 自动对齐输出头），各类别数量从约 40 张到 800 张不等，呈不平衡分布。

Caltech-101 如何划分训练集与验证集？

该数据集没有预定义划分。首次训练时 Ultralytics 自动按 80% 训练 / 20% 验证切分（约 7,280 张训练、1,864 张验证），无需手工创建划分；如需自行控制，可在训练前把图像组织进 train/ 与 val/ 文件夹，或调用 split_classify_dataset 自定义比例。