smithsonian_butterflies_subset

This a subset of "ceyda/smithsonian_butterflies" dataset with additional processing done to train the "ceyda/butterfly_gan" model. The preprocessing includes: - Adding "sim_score" to images with CLIP model using "pretty butterfly","one butterfly","butterfly with open wings","colorful butterfly" - Removing butterflies with the same name(species) - Limiting only to the top 1000 images - Removing the background (doing another sim_scoring after bg removal did visually worse so didn't do it) - Detecting contours - Cropping to the bounding box of the contour with the largest area - Converting back to RGB本数据集为"ceyda/smithsonian_butterflies"数据集的子集，经过额外预处理后用于训练"ceyda/butterfly_gan"模型。 预处理流程包括： - 使用CLIP模型（CLIP），结合“美丽的蝴蝶”“单只蝴蝶”“翅膀展开的蝴蝶”“色彩艳丽的蝴蝶”作为提示词，为图像添加相似度评分（sim_score） - 移除同物种（同名）的蝴蝶样本 - 仅保留前1000张图像 - 移除图像背景（移除背景后再次进行相似度评分的视觉效果较差，故未执行该步骤） - 检测图像轮廓 - 裁剪至面积最大的轮廓对应的边界框 - 转换为RGB色彩模式

搜集汇总

背景与挑战

背景概述

该数据集是ceyda/smithsonian_butterflies数据集的子集，经过预处理以训练ceyda/butterfly_gan模型，包括使用CLIP模型评分、筛选图像、去除背景和轮廓裁剪等步骤。它仅包含前1000张图像，并采用Apache 2.0许可证。