FishPhenoKey|水产养殖数据集|形态特征分析数据集

FishPhenoKey数据集由武汉理工大学、上海人工智能实验室等机构联合构建，旨在精确评估水产养殖中鱼类的细微形态特征。该数据集包含了23,331张高分辨率图像，涵盖了6种不同的鱼类，其显著特点之一是包含了22个面向表型的注释，这些注释使得能够捕捉到复杂的形态表型。对于其中的4种鱼类，共有10,327张图像被标注了22个人体解剖学上的关键点，这些关键点被特别定义出来，用于测量多达23种对鱼类养殖者感兴趣的微妙形态表型。FishPhenoKey数据集克服了以往数据集规模小、物种覆盖有限及关键点标注不足等限制，为鱼类形态学研究提供了宝贵的资源。

The FishPhenoKey dataset, jointly constructed by institutions such as Wuhan University of Technology and the Shanghai Artificial Intelligence Laboratory, aims to precisely evaluate the subtle morphological characteristics of fish in aquaculture. This dataset comprises 23,331 high-resolution images, covering six different fish species. One of its notable features is the inclusion of 22 phenotype-oriented annotations, which enable the capture of complex morphological phenotypes. For four of these fish species, a total of 10,327 images have been annotated with 22 key anatomical points, specifically defined to measure up to 23 subtle morphological phenotypes of interest to fish farmers. The FishPhenoKey dataset overcomes the limitations of previous datasets, such as small scale, limited species coverage, and insufficient key point annotations, providing a valuable resource for the study of fish morphology.

原始信息汇总

数据集概述

数据集名称

• FishPhenoKey

数据集内容

• 包含23,331张高分辨率JPG图像，涵盖六种鱼类。
• 每种鱼类从两个不同视角拍摄。
• 四种鱼类被精确标注，用于测量鱼体部分的微妙形态表型。
• 包含22个关键点标注，用于详细描述鱼类的形态特征。

关键点定义

1. 鼻尖
2. 鳃盖后端
3. 头部顶端
4. 峡部
5. 背峰
6. 腹缘底端
7. 尾柄顶端
8. 尾柄底端
9. 尾鳍后端
10. 尾椎后端
11. 眼前端
12. 眼后端
13. 胸鳍前端
14. 胸鳍后端
15. 腹鳍前端
16. 腹鳍后端
17. 臀鳍前端
18. 臀鳍后端
19. 臀鳍外缘
20. 背鳍前端
21. 背鳍后端
22. 背鳍外缘

数据集获取

• 需下载并填写FishPhenoKey Dataset User Agreement。
• 将填写好的用户协议PDF格式发送至**[e-mail]**。
• 审核通过后，将通过电子邮件发送完整数据集的下载链接。

引用信息

• 若使用此数据集，请引用以下文献：

  @article{liu2024benchmarking, title={Benchmarking Fish Dataset and Evaluation Metric in Keypoint Detection-Towards Precise Fish Morphological Assessment in Aquaculture Breeding}, author={Liu, Weizhen and Tan, Jiayu and Lan, Guangyu and Li, Ao and Li, Dongye and Zhao, Le and Yuan, Xiaohui and Dong, Nanqing}, journal={arXiv preprint arXiv:2405.12476}, year={2024} }

AI搜集汇总

数据集介绍

构建方式

FishPhenoKey数据集的构建旨在解决当前水产养殖中形态学数据不足的问题。该数据集包含了23,331张高分辨率图像，涵盖六种鱼类，每种鱼类从两个不同视角拍摄。通过渔业专家的指导，对其中四种鱼类进行了22个关键点的精确标注，这些关键点涵盖了鱼体各部位的细微形态特征。FishPhenoKey的设计不仅注重图像质量，还强调了标注的准确性和多样性，以支持复杂形态特征的精确测量。

特点

FishPhenoKey数据集的主要特点在于其高分辨率图像和详尽的标注。每张图像都经过精心挑选，确保了图像质量的高标准。此外，数据集的标注涵盖了22个关键点，这些关键点定义了鱼体各部位的精确位置，为形态学分析提供了丰富的数据支持。FishPhenoKey的模块化设计使其能够灵活适应不同的评估指标和关键点检测模型，确保了数据集的可扩展性和持续更新能力。

使用方法

使用FishPhenoKey数据集时，用户需先下载并阅读《FishPhenoKey数据集用户协议》，同意相关条款后填写用户信息并发送至指定邮箱。审核通过后，用户将获得数据集的下载链接。在环境设置方面，建议使用Python 3.6/3.7/3.8、Pytorch 1.10及以上版本，并安装pycocotools。推荐在Ubuntu或CentOS系统上使用GPU进行训练，详细的环境配置可参考requirements.txt文件。

背景与挑战

背景概述

在现代水产养殖业中，精确的形态学分析对于优化育种策略至关重要。然而，现有的鱼类形态学数据集规模较小，物种有限，且缺乏全面的标注，难以满足复杂形态特征的精确测量需求。为此，武汉理工大学计算机科学与人工智能学院的研究团队与上海人工智能实验室等机构合作，于2024年推出了FishPhenoKey数据集。该数据集包含23,331张高分辨率图像，涵盖六种鱼类，并标注了22个关键点，旨在为水产养殖中的精确形态评估提供支持。FishPhenoKey的推出不仅填补了现有数据集的空白，还为高级水产养殖研究和遗传学研究提供了宝贵的资源。

当前挑战

FishPhenoKey数据集在构建过程中面临多重挑战。首先，高分辨率图像的采集和处理需要先进的成像技术和计算资源，以确保数据的清晰度和准确性。其次，对鱼类形态学关键点的精确标注需要专业的渔业专家参与，增加了数据集构建的复杂性和成本。此外，数据集的多样性和扩展性要求设计灵活的模块化结构，以适应未来不同评估指标和检测模型的需求。最后，数据集的发布和使用需遵循严格的法律和伦理规范，确保数据的安全性和隐私保护。这些挑战不仅影响了数据集的构建效率，也对其在实际应用中的效果提出了考验。

常用场景

经典使用场景

FishPhenoKey数据集在鱼类形态学评估中展现了其经典应用场景。通过提供23,331张高分辨率图像，涵盖六种鱼类，并标注了22个关键点，该数据集为精确测量鱼类复杂形态特征提供了坚实基础。研究者可以利用这些详细标注的图像，开发和验证用于鱼类形态分析的计算机视觉模型，从而推动水产养殖中的遗传研究和品种改良。

衍生相关工作

FishPhenoKey数据集的发布催生了多项相关研究工作。例如，基于该数据集的鱼类关键点检测算法研究，显著提升了检测精度和速度。此外，有研究利用FishPhenoKey进行鱼类形态特征与遗传多样性之间的关联分析，为育种策略提供了新的视角。还有工作探讨了如何将FishPhenoKey应用于多物种鱼类形态比较研究，推动了跨物种形态学分析的发展。这些衍生工作不仅丰富了鱼类研究的方法论，也为实际应用提供了技术支持。

数据集最近研究

最新研究方向

在现代水产养殖领域，精确的形态学评估对于优化育种策略至关重要。FishPhenoKey数据集的最新研究方向聚焦于通过高分辨率图像和详细的形态学关键点标注，提升鱼类形态特征的检测精度。该数据集不仅涵盖了六种鱼类的高质量图像，还通过22个关键点的精确标注，为复杂形态特征的测量提供了坚实基础。这一研究方向不仅推动了水产养殖中的形态学分析技术，还为遗传学研究提供了新的数据支持，预示着在精准农业和生物多样性保护中的深远影响。