本资源为caltech行人数据集种子，可在迅雷下载。 最近在做智能交通中的行人检测，需要数据集对分类器进行training，选取的数据集为加理工(caltech)提供的http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/，该数据集的一些说明可以从官网中得知。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 10k Web Faces 是一个人脸图像数据，包含 10524张 人脸图像和标注信息， 标注眼睛、鼻子和嘴巴的位置，来自Google图像搜索后的人工标注。

Caltech-UCSD Birds 200 是一个鸟类图片数据集，包含 200 不同种鸟类，共计 11788 张图片。

灰度特征提取matlab代码基于VGG16 / 19，SIFT和灰度直方图的Caltech-101图像分类 该项目通过python和matlab提供图像分类代码。 我的实验环境是Windows 10 / Tensorflow 1.14.0，keras 2.3.1和Ubuntu 18.04上的nivdia 2080Ti上的Matlab R2019a。 对于Python 此代码基本上是指。 使用2080Ti训练整个数据集基本上将花费不到2个小时。 参考精度： 模型 VGG16 VGG19 准确性 59.02％ 54.86％ 脚步 下载caltech-101并将其放在“数据/”中。 将“路径”更改为数据所在的路径。 为VGG19运行“ Train_caltech.py​​”，为VGG16运行“ Train_caltech_vgg16.py”。 对于Matlab 该代码基本上基于特征提取，SVM和vlfeat。 供参考的精度：比Python中的精度高近20％。 我猜想matlab工具包中的VGG模型是经过预训练的，而我是用Python从头开始训练模型的。 模型 VGG16 VGG19 准确性

用python实现的可以将Caltech Pedestrian数据集转换为VOC格式的数据集的工具，已修改部分代码，修复原始代码中转换seq文件时会输出空文件夹的bug。

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 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-UCSD Birds 200 是一个鸟类图片数据集，包含 200 不同种鸟类，共计 11788 张图片。

office_caltech_10数据集包含四个不同的域，分别是amazon，caltech，dslr，webcam；每个域包含10类图像；该数据集用来做迁移学习