dariakern/Chicks4FreeID

Chicks4FreeID是一个公开的鸡只重识别数据集，包含从上方拍摄的鸡只图像，每个图像中的鸡只都进行了单独分割和标注。数据集支持鸡只重识别、语义分割和实例分割等任务。数据集中的图像来自11个不同的鸡舍，共涉及54个个体。每个图像至少包含一只鸡，共有1270个动物实例被标注。此外，每个动物实例还标注了可见度评级，包括最佳、良好和差。

原始信息汇总

数据集概述

数据集名称

Chicks4FreeID

许可证

CC-BY-4.0

数据集配置

配置1: semantic-segmentation

• 特征:
  • image: 图像数据
  • segmentation_mask: 图像数据
• 分割:
  • train: 677个样本，数据大小20684093931字节
• 数据集大小: 20684093931字节
• 下载大小: 20650350872字节

配置2: animal-category-anomalies

• 特征:
  • crop: 图像数据
  • animal_category: 类别标签，包括鸡、鸭、公鸡
• 分割:
  • train: 1270个样本，数据大小1925963361.27字节
• 数据集大小: 1925963361.27字节
• 下载大小: 1847129073字节

配置3: instance-segmentation

• 特征:
  • image: 图像数据
  • instances: 列表，包括instance_mask（图像数据）
• 分割:
  • train: 677个样本，数据大小20716569484字节
• 数据集大小: 20716569484字节
• 下载大小: 20653857847字节

配置4: full-dataset

• 特征:
  • image: 图像数据
  • segmentation_mask: 图像数据
  • coop: 类别标签，包括1-11的编号
  • instances: 列表，包括crop（图像数据），instance_mask（图像数据），identity（类别标签，包括多个名称），visibility（类别标签，包括最佳、良好、差），animal_category（类别标签，包括鸡、鸭、公鸡）
• 分割:
  • train: 677个样本，数据大小22621129760字节
• 数据集大小: 22621129760字节
• 下载大小: 22521029844字节

配置5: chicken-re-id-best-visibility

• 特征:
  • crop: 图像数据
  • identity: 类别标签，包括多个名称
• 分割:
  • train: 630个样本，数据大小1116940840字节
  • test: 163个样本，数据大小282284300字节
• 数据集大小: 1399225140字节
• 下载大小: 1396952370字节

配置6: chicken-re-id-all-visibility

• 特征:
  • crop: 图像数据
  • identity: 类别标签，包括多个名称
• 分割:
  • train: 916个样本，数据大小1440206054字节
  • test: 230个样本，数据大小356817885字节
• 数据集大小: 1797023939字节
• 下载大小: 1794292959字节

语言

英语

标签

• re-identification
• chicken
• closed-set
• instance segmentation
• semantic segmentation
• poultry
• re-id
• croissant

数据集详细描述

Chicks4FreeID数据集包含从顶部视角拍摄的个体分割和注释的鸡的图像（可能包含公鸡和鸭子，并相应标记）。数据集支持鸡的重新识别、语义分割和实例分割任务。每个图像至少包含一只鸡，共有677张图像，1270个动物实例。此外，每个动物实例的可见度评级为“最佳”、“良好”和“差”。

搜集汇总

数据集介绍

构建方式

Chicks4FreeID数据集通过手动收集和标注的方式构建，涵盖了11个不同鸡舍中的54只个体鸡、2只公鸡和2只鸭子。数据采集使用了两种型号的相机，确保每只鸡的图像在同一天内拍摄，以保持外观的一致性。数据集的标注过程使用了Labelbox工具，对每只动物的身份、类别、鸡舍编号和可见性进行了详细的标注，确保了数据的高质量。

特点

该数据集具有多任务支持的特点，不仅适用于鸡的再识别任务，还支持语义分割和实例分割。数据集包含了677张图像，1270个预处理的裁剪图像，以及相应的实例分割和语义分割掩码。此外，数据集还提供了每只动物的可见性评级，分为‘最佳’、‘良好’和‘差’，为模型训练提供了丰富的标注信息。

使用方法

Chicks4FreeID数据集可用于多种计算机视觉任务，包括鸡的再识别、语义分割和实例分割。用户可以根据任务需求选择不同的配置，如‘chicken-re-id-best-visibility’用于最佳可见性下的再识别任务，或‘semantic-segmentation’用于语义分割任务。数据集提供了详细的标注信息，用户可以通过HuggingFace的datasets库加载数据，并根据任务需求进行预处理和模型训练。

背景与挑战

背景概述

Chicks4FreeID数据集是由Daria Kern和Tobias Schiele主导创建的，专门用于鸡只的再识别任务。该数据集的创建填补了动物再识别领域中鸡只数据集的空白，尤其是公开且高质量的标注数据集的缺失。数据集包含了从11个不同鸡舍中收集的677张图像，涵盖了54只独特的鸡只个体，其中包括50只鸡、2只公鸡和2只鸭子。每张图像都经过精细的标注，包括动物类别、身份、鸡舍编号以及可见性评级（如‘最佳’、‘良好’、‘差’）。此外，数据集还支持语义分割和实例分割任务，提供了相应的掩码。该数据集的创建不仅推动了鸡只再识别的研究，还为相关领域的算法开发提供了宝贵的资源。

当前挑战

Chicks4FreeID数据集在构建过程中面临了多项挑战。首先，数据收集过程复杂且耗时，所有图像均通过手动拍摄，且每只鸡的图像均在同一天内完成，这限制了外观变化的时间跨度。其次，数据集中的鸡只品种并不全面，可能存在类别不平衡的问题，尤其是在‘最佳’可见性子集中，实例数量从4到27不等。此外，尽管数据集支持多种任务，如语义分割和实例分割，但这些任务的标注复杂性增加了数据集的构建难度。最后，数据集的规模相对较小，可能限制其在深度学习模型训练中的应用效果。

常用场景

经典使用场景

Chicks4FreeID数据集的经典使用场景主要集中在鸡的再识别（re-identification）任务上。该数据集提供了高分辨率的图像、实例分割掩码以及语义分割掩码，使得研究者能够训练和评估鸡的个体识别模型。通过这些标注，研究者可以开发算法来识别不同鸡只的身份，即使在复杂的场景中也能准确区分。此外，数据集还支持语义分割和实例分割任务，进一步扩展了其在计算机视觉领域的应用范围。

衍生相关工作

基于Chicks4FreeID数据集，研究者已经开展了一系列相关工作，包括改进鸡只再识别算法、开发新的语义分割和实例分割模型，以及探索动物行为分析的新方法。这些工作不仅提升了数据集的应用价值，还为计算机视觉和动物行为学领域带来了新的研究方向。未来，随着更多研究者使用该数据集，预计将会有更多创新性的工作涌现，进一步推动相关领域的发展。

数据集最近研究

最新研究方向

近年来，动物识别技术在农业和生物学领域引起了广泛关注，尤其是在家禽管理中的应用。Chicks4FreeID数据集作为首个公开的鸡只重识别数据集，为这一领域的研究提供了宝贵的资源。该数据集不仅支持鸡只的重识别任务，还涵盖了语义分割和实例分割等前沿技术，为多任务学习提供了丰富的数据支持。随着精准农业和自动化养殖的需求日益增长，Chicks4FreeID数据集的推出填补了鸡只识别数据集的空白，推动了相关算法的发展。此外，数据集中的可见性标注为研究不同光照和遮挡条件下的识别性能提供了基础，进一步扩展了其在实际应用中的潜力。