随着数据的激增，CalTech急需为美国宇航局存储重要的数字信息，所使用的存储系统能够使用高功效技术提供企业级的可靠性，从而降低成本。Nexsan存储系统可存储超过两万兆字节的数据，在过去的七年时间里，CalTech亲眼见证其高达99.9%的硬件可靠性。

matlab50行代码加州理工学院车道检测软件 该软件包包含实现[1]中的工作的C / C ++和Matlab源代码。 它通过拟合鲁棒的贝塞尔曲线样条为单个图像实现了实时车道检测系统。 它可以检测街道上的所有车道或当前车道的两个车道标记。 要快速查看实际效果，请下载以下软件以及Caltech Lanes Dataset。 检测实时运行，大约40-50 Hz，并检测街道上的所有车道。 它在Ubuntu Lucid Lynx 32位计算机和Red Hat Enterprise Linux 5.5 64位计算机上进行了编译和测试。 它还包括当时OpenCV缺少的一些功能，包括： 用于获取图像的反向透视贴图（IPM）的例程，即获取道路的鸟瞰图。 到/从图像像素坐标和道路平面上的坐标转换的例程（使用地平面假设）。 坚固耐用的RANSAC管路配件。 坚固＆RANSAC Bezier花键接头。 贝塞尔曲线样条线栅格化和绘图。 布雷森纳姆（Bresenham）的线路评级。 各种实用程序功能，用于检查线与线和边界框的交点，检查矩形内的点，等等。用于线的常规Hough变换例程的实现。 [1] Mohame

多组分流程代码（MFC） 欢迎使用MFC！ MFC是用于多组分，多相和气泡流的完整文档并行仿真软件。 作者 MFC是由一群博士后科学家和研究生在Tim Tech Colonius的指导下在加州理工学院开发的。 这些贡献者包括： Spencer Bryngelson博士 凯文·施密德迈尔博士 Vedran Coralic博士 孟若梅博士 前田一树博士 并且他们的联系信息位于源代码的AUTHORS文件中。 文献资料 记录了以下代码，请单击链接查看其Doxygen： 用户手册 包含用户指南 MFC纸 描述MFC功能的文件： 相关刊物 一些出版物已在MFC的各个开发阶段使用了MFC。 这里包括部分清单。 参考期刊出版物： K. Schmidmayer，SH Bryngelson，T。Colonius（2020）计算物理杂志，第1卷。 402，109080 SH Bryngelson，K

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 10k Web Faces Dataset 是由 Google 搜索所得图片组成的数据集，每张图中正面的眼睛、鼻子和嘴巴的中心坐标均在相关文件中提供，相关信息可被用于对齐和裁剪人脸、面部识别 算法 的基准，该数据集拥有不同分辨率的图片共计 10,524 张，并被用于不同的领域。 该数据集由加州理工学院于 2005 年发布，相关论文有《Pruning Training Sets for Learning of Object Categories》。

Caltech-256 Dataset 是 Caltech-101 Dataset 的改进版，其主要有以下几点改动： a）类别数量增加一倍以上； b）任何类别中图像的最小数量从 31 增加到 80； c）避免因图像旋转造成的伪影； d）引入了一个新的更大的杂波类别来测试背景拒绝。 该数据集涵盖 256 个类别共计 20607 张图片，由加州理工学院的李菲菲、马克安德烈托和 Marc’Aurelio Ranzato 收集。

Caltech-UCSD Birds-200-2011 Dataset 是用于图像分类的鸟类数据集，它是 CUB-200[7] 的扩展版本，涵盖 200 种鸟类共计 11,788 张图片，相较于前版，它每个类别的图像数量增加了一倍，并增加新的部件以用于本地化注释，并且所有图像均使用边框、部件位置和 Attribute 标签进行标注。 该数据集由加州理工学院于 2011 年发布，相关论文有《The Caltech-UCSD Birds-200-2011 Dataset》。

111111111111122

Caltech 101数据集总共9145幅图像，102类（包括一个背景类，即杂乱类）。删除杂乱类后，8677幅图像，101类

caltech_101_transfer_learning 在Caltech 101对象数据集上使用ResNet50模型进行转移学习以进行图像分类 在职的 从此位置下载数据集 ，然后更改数据路径。