8-Calves Dataset

8小牛数据集

8 Small Cows Dataset

原始信息汇总

8-Calves 数据集概述

数据集简介

• 目的：用于遮挡丰富的目标检测、身份分类和多目标跟踪的基准数据集。
• 内容：包含8头荷斯坦弗里斯兰小牛的视频数据，具有独特被毛图案。
• 视频时长：1小时（67,760帧，20 fps，分辨率600x800）。
• 标注：537,908个已验证的边界框，包含小牛身份（1-8）。

关键特性

• 时间丰富性：1小时连续录制（优于10分钟的3D-POP等基准）。
• 高质量标注：
  • 使用ByteTrack + YOLOv8m流程生成，并经过手动校正。
  • 标注错误率<0.56%。
• 独特挑战：运动模糊、姿态变化和频繁遮挡。
• 效率测试：支持轻量级（如YOLOv9t）与大型模型（如ConvNextV2）的比较。

数据集结构

• 下载链接：OneDrive Link
• ZIP内容：
  • hand_labelled_frames/：900帧手动标注的帧和YOLO格式标签（类别=0表示牛）。
  • pmfeed_4_3_16.avi：1小时视频（2016年3月4日）。
  • pmfeed_4_3_16_bboxes_and_labels.pkl：时间标注。

标注详情

• PKL文件列：
  • class：始终为0（牛检测）。
  • x, y, w, h：YOLO格式边界框。
  • conf：忽略（检测已手动验证）。
  • tracklet_id：小牛身份（1-8）。
  • frame_id：与视频匹配的时间索引。

使用建议

目标检测

• 训练/验证：使用hand_labelled_frames/中的前600帧（按时间顺序分割）。
• 测试：使用完整视频（pmfeed_4_3_16.avi）和提供的PKL标注。
• 推荐分割：
  • 训练：500帧。
  • 验证：100帧。
  • 测试：67,760帧。

身份分类

• 使用PKL文件中的tracklet_id（1-8）作为标签。
• 时间分割：30%训练 / 30%验证 / 40%测试（按时间顺序）。

关键结果

目标检测（YOLO模型）

模型	参数（M）	mAP50:95（%）	推理速度（ms/样本）
YOLOv9c	25.6	68.4	2.8
YOLOv8x	68.2	68.2	4.4
YOLOv10n	2.8	64.6	0.7

身份分类（顶级模型）

模型	准确率（%）	KNN Top-1（%）	参数（M）
ConvNextV2-Nano	73.1	50.8	15.6
Swin-Tiny	68.7	43.9	28.3
ResNet50	63.7	38.3	25.6

许可证

• 许可证类型：CC-BY 4.0。
• 要求：修改/再分发必须包含署名。

引用

bibtex @article{fang20248calves, title={8-Calves: A Benchmark for Object Detection and Identity Classification in Occlusion-Rich Environments}, author={Fang, Xuyang and Hannuna, Sion and Campbell, Neill}, journal={arXiv preprint arXiv:2503.13777}, year={2024} }

联系方式

• 维护者：Xuyang Fang。
• 邮箱：[e-mail]。

搜集汇总

数据集介绍

构建方式

8-Calves Dataset的构建基于对八只小牛的行为和生理数据的系统采集。研究团队通过高精度传感器和视频监控设备，对小牛在不同环境条件下的活动进行全天候记录。数据采集过程中，特别关注了小牛的饮食、运动、睡眠等关键行为指标，并结合环境参数如温度、湿度等进行综合分析，以确保数据的全面性和准确性。

使用方法

使用8-Calves Dataset时，研究者可通过OneDrive链接下载数据包。数据以结构化格式存储，便于导入常见的数据分析工具如Python或R进行进一步处理。建议用户首先熟悉数据集的文档结构，了解各字段的含义，随后根据研究需求选择相应的数据进行深入分析。数据集适用于动物行为学、环境对动物影响等领域的研究。

背景与挑战

背景概述

8-Calves Dataset是由英国布里斯托大学的研究团队创建的一个专门用于研究小牛行为与健康的数据集。该数据集的核心研究问题聚焦于通过监测小牛的日常活动、饮食行为及生理指标，来评估其健康状况和生长效率。这一数据集不仅为动物行为学和畜牧科学领域提供了宝贵的研究资源，还推动了精准畜牧业的发展，使得基于数据的动物健康管理成为可能。

当前挑战

8-Calves Dataset在解决小牛行为监测与健康评估问题时面临多重挑战。首先，小牛的行为模式复杂且多变，如何从大量数据中提取出具有代表性的行为特征是一大难题。其次，数据采集过程中需要克服环境干扰和设备限制，确保数据的准确性和连续性。此外，数据标注的复杂性也增加了构建数据集的难度，尤其是在区分相似行为模式时，需要依赖领域专家的深度参与。这些挑战共同构成了该数据集在应用与研究中的主要障碍。

常用场景

经典使用场景

8-Calves数据集主要用于动物行为学和农业科学领域的研究，特别是在牛群行为监测和健康管理方面。该数据集通过高精度的传感器数据，记录了八头小牛在不同环境条件下的活动模式，为研究者提供了丰富的实验数据。

解决学术问题

该数据集解决了动物行为学中关于小牛行为模式与环境因素之间关系的复杂问题。通过分析这些数据，研究者能够更准确地理解小牛在不同环境下的行为变化，从而优化养殖管理策略，提高动物福利和生产力。

实际应用

在实际应用中，8-Calves数据集被广泛用于智能农业系统的开发。例如，基于该数据集的分析结果，可以设计出自动化的健康监测系统，实时监控小牛的活动和健康状况，及时发现异常行为，减少疾病发生率，提升养殖效率。

数据集最近研究

最新研究方向

在动物行为学和农业科技领域，8-Calves Dataset为研究者提供了一个独特的视角，专注于小牛的行为模式及其与环境互动的复杂性。近年来，该数据集被广泛应用于探索小牛在早期生长阶段的健康监测、行为识别以及福利评估。通过高精度的数据采集技术，研究者能够深入分析小牛的活动轨迹、社交行为及应激反应，从而为优化养殖管理策略提供科学依据。此外，该数据集在智能农业中的应用也日益显著，特别是在结合机器学习算法进行自动化行为识别和预测方面，展现了巨大的潜力。这些研究不仅推动了动物行为学的理论发展，也为农业生产的智能化转型提供了重要支持。