BristolGorillas2020

BristolGorillas2020数据集由布里斯托大学创建，专注于动物园环境中西部低地大猩猩的面部识别。该数据集包含628个视频片段和5428个标注的面部图像，这些图像来自布里斯托动物园的7只大猩猩。数据收集过程中，使用GoPro和Crosstour Action相机捕捉面部近景视频，每周两次，持续6周。该数据集旨在通过深度学习技术，特别是YOLOv3框架，解决动物园环境中大猩猩个体的面部识别问题，从而支持动物福利和相关研究。

The BristolGorillas2020 dataset was developed by the University of Bristol, focusing on facial recognition of western lowland gorillas in zoo environments. This dataset includes 628 video clips and 5,428 annotated facial images originating from 7 gorillas at Bristol Zoo. During the data collection process, close-up facial videos were captured using GoPro and Crosstour Action cameras twice a week for 6 consecutive weeks. This dataset aims to address the issue of individual facial recognition of gorillas in zoo environments via deep learning technologies, particularly the YOLOv3 framework, so as to support animal welfare and related research.

搜集汇总

数据集介绍

构建方式

BristolGorillas2020数据集的构建方式涉及在布里斯托尔动物园花园的一个由7只西部低地大猩猩组成的群体中收集628个视频片段和5,428个带注释的面部图像。数据收集使用GoPro和Crosstour Action相机，这些相机被放置在靠近丰富化设备的围栏内，以获取大猩猩的特写面部画面。数据收集工作每周进行两次（上午11点到下午1点），持续6周，记录了1280×720像素和30fps的RGB视频。视频片段中的一系列帧包含正面面部图像，由布里斯托尔动物园灵长类动物部门的专家手动标注，以确保正确标注每只大猩猩的身份。

特点

BristolGorillas2020数据集的特点在于其规模和多样性，它包含来自7只西部低地大猩猩的5,428个面部图像注释。数据集采用分层抽样方法进行训练和测试分割，确保了每个个体大猩猩在训练和测试集中的代表性。此外，数据集还提供了用于训练YOLOv3框架的代码、视频数据集、权重和真实标注，这有助于研究人员在动物园环境中丰富研究能力。

使用方法

使用BristolGorillas2020数据集的方法包括单帧和多帧识别。单帧识别使用YOLOv3框架对单个帧进行面部定位和分类，而多帧识别则通过跟踪-检测关联和短轨迹段上的身份投票来提高性能。数据集的使用者可以下载代码、视频数据集、权重和真实标注，并在自己的研究中应用YOLOv3框架进行大猩猩面部识别。

背景与挑战

背景概述

BristolGorillas2020数据集由英国布里斯托尔大学的计算机科学系的研究人员于2021年3月26日提出，旨在为动物园环境中的大猩猩面部识别研究提供支持。该数据集包含了7只西部低地大猩猩的5,428个面部边界框标注，通过在布里斯托尔动物园花园中的大猩猩围栏内放置耐用的GoPro相机收集了628个视频片段。研究人员使用这些数据训练和评估了基于YOLOv3框架的深度学习模型，以实现对单个大猩猩面部定位和分类的任务。该数据集的发布不仅丰富了动物园环境的研究能力，也对动物福利、物种保护等领域产生了积极影响。

当前挑战

BristolGorillas2020数据集在解决动物园环境中大猩猩面部识别问题的同时，也面临着一些挑战。首先，大猩猩的面部特征相对较小，尤其是年轻的大猩猩，这给面部定位和识别带来了困难。其次，由于大猩猩在围栏中的活动范围有限，数据集中可能存在样本分布不均的问题，这可能会影响模型的泛化能力。此外，动物园环境中的光线变化、相机角度和运动模糊等因素也可能对模型的性能产生影响。为了应对这些挑战，研究人员需要进一步优化数据收集和标注过程，改进模型设计，以及探索更有效的训练和测试策略。

常用场景

经典使用场景

BristolGorillas2020数据集，包含超过5000个面部边界框注释，跨越了布里斯托尔动物园7只西部低地大猩猩的面部识别。通过在单个框架上利用此数据集进行训练，一个基于YOLOv3的应用程序能够以92%mAP的准确率执行识别。通过检测关联和短跟踪片段中的身份投票，可以在97%mAP的情况下获得改进的鲁棒性能。为了方便在动物园环境中丰富研究能力，我们在以下网址发布了代码、视频数据集、权重和真实标注：[数据集网址]

解决学术问题

BristolGorillas2020数据集解决了动物园中个体大猩猩面部识别的学术研究问题。该数据集为动物园和庇护所提供了一个新的研究工具，以监测大猩猩的福利状况。通过长时间监测，研究人员可以回答关于动物福利和栖息地适应性等问题。此外，该数据集还可以用于研究大猩猩在野外的潜在重新引入能力。

衍生相关工作

BristolGorillas2020数据集衍生了与面部识别相关的经典工作，包括使用深度学习技术进行动物面部识别。此外，该数据集还推动了动物园环境中动物福利监测和野生动物保护的研究。该数据集为研究人员提供了一个新的研究工具，以监测大猩猩的健康状况和行为模式，从而提高动物园的动物福利。在野生动物保护方面，该数据集可用于监测大猩猩种群的数量和分布，从而帮助保护这些濒临灭绝的物种。