timm/oxford-iiit-pet

---
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': abyssinian
'1': american_bulldog
'2': american_pit_bull_terrier
'3': basset_hound
'4': beagle
'5': bengal
'6': birman
'7': bombay
'8': boxer
'9': british_shorthair
'10': chihuahua
'11': egyptian_mau
'12': english_cocker_spaniel
'13': english_setter
'14': german_shorthaired
'15': great_pyrenees
'16': havanese
'17': japanese_chin
'18': keeshond
'19': leonberger
'20': maine_coon
'21': miniature_pinscher
'22': newfoundland
'23': persian
'24': pomeranian
'25': pug
'26': ragdoll
'27': russian_blue
'28': saint_bernard
'29': samoyed
'30': scottish_terrier
'31': shiba_inu
'32': siamese
'33': sphynx
'34': staffordshire_bull_terrier
'35': wheaten_terrier
'36': yorkshire_terrier
- name: image_id
dtype: string
- name: label_cat_dog
dtype:
class_label:
names:
'0': cat
'1': dog
splits:
- name: train
num_bytes: 376746044.08
num_examples: 3680
- name: test
num_bytes: 426902517.206
num_examples: 3669
download_size: 790265316
dataset_size: 803648561.286
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
license: cc-by-sa-4.0
size_categories:
- 1K<n<10K
task_categories:
- image-classification
---

# The Oxford-IIIT Pet Dataset

## Description
A 37 category pet dataset with roughly 200 images for each class. The images have a large variations in scale, pose and lighting.

This instance of the dataset uses standard label ordering and includes the standard train/test splits. Trimaps and bbox are not included, but there is an `image_id` field that can be used to reference those annotations from official metadata.

Website: https://www.robots.ox.ac.uk/~vgg/data/pets/

## Citation
```bibtex
@InProceedings{parkhi12a,
author = "Omkar M. Parkhi and Andrea Vedaldi and Andrew Zisserman and C. V. Jawahar",
title = "Cats and Dogs",
booktitle = "IEEE Conference on Computer Vision and Pattern Recognition",
year = "2012",
}
```

# 牛津-IIIT宠物数据集（The Oxford-IIIT Pet Dataset）

## 数据集信息
特征项：
- 特征名：图像（image），数据类型：图像
- 特征名：标签（label），数据类型为类标签（class_label），其类别名称如下：
'0': 阿比西尼亚猫（abyssinian）
'1': 美国斗牛犬（american_bulldog）
'2': 美国比特斗牛㹴（american_pit_bull_terrier）
'3': 巴塞特猎犬（basset_hound）
'4': 比格犬（beagle）
'5': 孟加拉猫（bengal）
'6': 伯曼猫（birman）
'7': 孟买猫（bombay）
'8': 拳师犬（boxer）
'9': 英国短毛猫（british_shorthair）
'10': 吉娃娃（chihuahua）
'11': 埃及猫（egyptian_mau）
'12': 英国可卡犬（english_cocker_spaniel）
'13': 英国塞特犬（english_setter）
'14': 德国短毛指示犬（german_shorthaired）
'15': 比利牛斯山犬（great_pyrenees）
'16': 哈瓦那㹴（havanese）
'17': 日本㹴（japanese_chin）
'18': 荷兰毛狮犬（keeshond）
'19': 莱昂贝格犬（leonberger）
'20': 缅因库恩猫（maine_coon）
'21': 迷你品犬（miniature_pinscher）
'22': 纽芬兰犬（newfoundland）
'23': 波斯猫（persian）
'24': 博美犬（pomeranian）
'25': 巴哥犬（pug）
'26': 布偶猫（ragdoll）
'27': 俄罗斯蓝猫（russian_blue）
'28': 圣伯纳犬（saint_bernard）
'29': 萨摩耶犬（samoyed）
'30': 苏格兰㹴（scottish_terrier）
'31': 柴犬（shiba_inu）
'32': 暹罗猫（siamese）
'33': 斯芬克斯猫（sphynx）
'34': 斯塔福郡斗牛㹴（staffordshire_bull_terrier）
'35': 软毛麦色㹴（wheaten_terrier）
'36': 约克夏㹴（yorkshire_terrier）
- 特征名：图像ID（image_id），数据类型：字符串（string）
- 特征名：猫狗分类标签（label_cat_dog），数据类型为类标签（class_label），其类别名称如下：
'0': 猫（cat）
'1': 狗（dog）
数据集划分：
- 划分名称：训练集（train），字节占用量：376746044.08，样本数量：3680
- 划分名称：测试集（test），字节占用量：426902517.206，样本数量：3669
下载总大小：790265316
数据集总大小：803648561.286
配置项：
- 配置名称：默认配置（default），数据文件路径：
- 训练集划分：data/train-*
- 测试集划分：data/test-*
开源协议：CC BY-SA 4.0（知识共享署名-相同方式共享4.0协议）
样本规模分类：1K < n < 10K（样本量介于1000至10000之间）
任务类别：图像分类（image-classification）

## 数据集说明
这是一个包含37个类别的宠物数据集，每个类别约有200张图像。该数据集的图像在尺度、姿态与光照方面存在较大差异。

本数据集实例采用标准的类别标签排序方式，并包含标准的训练集/测试集划分。数据未提供三遮罩（Trimap）与边界框（bounding box，bbox），但包含`image_id`字段，可通过该字段引用官方元数据中的相关标注。

数据集官网：https://www.robots.ox.ac.uk/~vgg/data/pets/

## 引用
bibtex
@InProceedings{parkhi12a,
author = "Omkar M. Parkhi and Andrea Vedaldi and Andrew Zisserman and C. V. Jawahar",
title = "《猫狗》",
booktitle = "IEEE计算机视觉与模式识别会议",
year = "2012",
}

原始信息汇总

数据集概述

数据集信息

• 特征:

  • image: 图像数据
  • label: 类别标签，包括以下类别：
    • 0: abyssinian
    • 1: american_bulldog
    • 2: american_pit_bull_terrier
    • 3: basset_hound
    • 4: beagle
    • 5: bengal
    • 6: birman
    • 7: bombay
    • 8: boxer
    • 9: british_shorthair
    • 10: chihuahua
    • 11: egyptian_mau
    • 12: english_cocker_spaniel
    • 13: english_setter
    • 14: german_shorthaired
    • 15: great_pyrenees
    • 16: havanese
    • 17: japanese_chin
    • 18: keeshond
    • 19: leonberger
    • 20: maine_coon
    • 21: miniature_pinscher
    • 22: newfoundland
    • 23: persian
    • 24: pomeranian
    • 25: pug
    • 26: ragdoll
    • 27: russian_blue
    • 28: saint_bernard
    • 29: samoyed
    • 30: scottish_terrier
    • 31: shiba_inu
    • 32: siamese
    • 33: sphynx
    • 34: staffordshire_bull_terrier
    • 35: wheaten_terrier
    • 36: yorkshire_terrier
  • image_id: 图像ID，字符串类型
  • label_cat_dog: 猫狗类别标签，包括以下类别：
    • 0: cat
    • 1: dog

• 拆分:

  • train: 训练集，包含3680个样本，大小为376746044.08字节
  • test: 测试集，包含3669个样本，大小为426902517.206字节

• 下载大小: 790265316字节

• 数据集大小: 803648561.286字节

• 配置:

  • default:
    • 训练集路径: data/train-*
    • 测试集路径: data/test-*

• 许可证: cc-by-sa-4.0

• 大小类别: 1K<n<10K

• 任务类别: 图像分类

描述

一个包含37个类别的宠物数据集，每个类别大约有200张图像。图像在尺度、姿态和光照方面有较大的变化。该数据集使用标准的标签顺序，并包含标准的训练/测试拆分。未包含Trimaps和bbox，但有一个image_id字段，可用于引用官方元数据中的这些注释。

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，宠物图像分类任务对数据集的多样性和标注质量提出了较高要求。牛津-IIIT宠物数据集由牛津大学视觉几何组与印度理工学院合作构建，涵盖了37个宠物类别，每个类别包含约200张图像。数据采集过程注重捕捉宠物在尺度、姿态和光照条件下的自然变化，图像来源于真实场景，确保了数据的现实代表性。该数据集遵循标准划分原则，提供了明确的训练集与测试集分割，便于模型评估与比较。

特点

该数据集在宠物识别领域展现出显著特点，其核心在于覆盖了猫和狗两大类别下的37个细分子类，包括从阿比西尼亚猫到约克夏梗等多种常见品种。图像内容呈现出丰富的视觉多样性，如宠物姿态的自由变化、拍摄角度的差异以及环境光照的自然波动，这些因素共同增强了数据集的挑战性与实用性。此外，数据集提供了双重标签体系，既包含精细的品种分类，也提供了猫与狗的高层类别标识，为多层次视觉任务研究提供了便利。

使用方法

在模型开发与应用中，该数据集主要用于图像分类任务的训练与评估。研究人员可加载标准分割后的训练集进行模型学习，利用测试集验证模型在未见样本上的泛化能力。由于数据集已预先划分，用户可直接调用相应接口读取图像与标签，无需额外处理分割问题。对于进阶研究，可通过`image_id`字段关联官方元数据，以获取更丰富的标注信息如分割掩码或边界框，从而拓展至目标检测或语义分割等视觉任务。

背景与挑战

背景概述

牛津大学视觉几何组与印度理工学院于2012年联合发布的Oxford-IIIT Pet数据集，标志着细粒度视觉分类领域的重要进展。该数据集由Omkar M. Parkhi、Andrea Vedaldi、Andrew Zisserman与C. V. Jawahar等学者共同构建，核心研究问题聚焦于宠物猫狗图像的精确物种识别。通过涵盖37个类别、每类约200张图像的数据规模，该数据集有效推动了细粒度识别、迁移学习及弱监督方法的发展，成为计算机视觉领域评估模型鲁棒性的基准资源之一。

当前挑战

该数据集旨在解决细粒度图像分类中因类间相似性高、类内差异性大而导致的识别困难。具体挑战包括宠物姿态、光照条件及背景环境的显著变化，以及部分物种在外观上的高度相似性。构建过程中，数据采集需确保类别平衡与标注一致性，同时处理图像尺度差异和复杂背景干扰，这些因素共同增加了模型训练与评估的复杂度。

常用场景

经典使用场景

在计算机视觉领域，细粒度图像分类任务常面临类别间差异细微的挑战。Oxford-IIIT Pet数据集以其涵盖37种猫狗品种、每类约200张图像的结构，成为该领域经典基准。该数据集图像在尺度、姿态和光照方面呈现显著多样性，为模型泛化能力评估提供了理想环境。研究者通常利用其标准训练-测试划分，开发并验证卷积神经网络等架构在宠物品种识别上的性能，推动细粒度视觉分类技术的演进。

衍生相关工作

围绕该数据集衍生了一系列经典研究工作，例如Parkhi等人提出的基于部件检测的细粒度分类框架，为后续方法奠定了基准。后续研究如双线性卷积神经网络（B-CNN）通过特征交互提升判别能力，注意力机制则被引入以定位关键区域。迁移学习策略也常以此数据集为验证场景，探索预训练模型在特定领域的适应性问题。这些工作共同构建了细粒度图像识别领域的方法体系，持续推动技术前沿拓展。

数据集最近研究

最新研究方向

在计算机视觉领域，宠物图像识别作为细粒度分类的经典任务，牛津-IIIT宠物数据集持续推动着前沿探索。当前研究聚焦于利用该数据集的多尺度、姿态和光照变化特性，开发鲁棒的视觉Transformer架构，以提升对37类猫狗品种的判别能力。随着自监督学习和少样本学习技术的兴起，该数据集被广泛应用于跨域适应和模型泛化性能的验证，尤其在宠物健康监测和智能养殖等热点场景中展现出重要价值。这些进展不仅深化了细粒度视觉理解的理论基础，也为现实世界的生物识别应用提供了可靠的数据支撑。