drone-wildlife-datasets

这是一个包含注释的航空/无人机/卫星图像的数据集列表，用于野生动物调查。目标是收集每个数据集的基本标准化元数据，并提供示例代码，以便更容易评估现有数据集是否可用于训练新模型。

This is a curated list of annotated aerial, drone and satellite imagery datasets for wildlife surveys. Its primary objective is to collect basic standardized metadata for each dataset and provide sample code to facilitate easier evaluation of whether existing datasets are viable for training new machine learning models.

原始信息汇总

无人机/航空影像野生动物标注数据集列表概述

数据集列表总览

此页面是一个专注于野生动物调查的、带有标注的航空/无人机/卫星影像数据集的列表。列表旨在为每个数据集收集标准化的基础元数据，并提供格式相似的示例代码以匹配标注与图像并渲染示例图像，从而帮助用户评估现有数据集对于训练新模型（例如在特定场景中寻找鸟类）的实用性。

公开可用数据集

Improving the precision and accuracy of animal population estimates with aerial image object detection

• 描述: 包含斑马、长颈鹿和大象的4305个边界框标注的航空图像。
• 数据量: 5.7 GB
• 下载地址: https://data.4tu.nl/articles/dataset/Improving_the_precision_and_accuracy_of_animal_population_estimates_with_aerial_image_object_detection/12713903/1
• 元数据格式: CSV
• 类别: 大象、斑马、长颈鹿
• 载体类型: 飞机
• 图像信息: 561张RGB图像
• 标注信息: 4305个边界框
• 典型动物像素大小: 50
• 许可证: CC0
• 短代码: eikelboom-savanna

UAV-derived waterfowl thermal imagery dataset

• 描述: 无人机获取的热图像中，包含8976个水禽边界框标注。
• 数据量: 4.1 GB
• 下载地址: https://data.mendeley.com/datasets/46k66mz9sz/4
• 元数据格式: CSV
• 类别: 水禽
• 载体类型: 飞机
• 图像信息: 541张热图像（包含未标注的RGB图像作为视觉参考）
• 标注信息: 8976个边界框
• 典型动物像素大小: 7
• 许可证: CC BY 4.0
• 短代码: hu-thermal

Drones count wildlife more accurately and precisely than humans

• 描述: 包含已知数量假鸟的10个仿真海鸟群落图像，从四个不同高度（30米、60米、90米和120米）拍摄。
• 数据量: 50 MB
• 下载地址: https://datadryad.org/stash/dataset/doi:10.5061/dryad.rd736
• 元数据格式: CSV
• 类别: 仿真海鸟
• 载体类型: 无人机
• 图像信息: 40张RGB图像
• 标注信息: 1560个计数
• 典型动物像素大小: 可变
• 许可证: CC0
• 短代码: hodgson-counts

Counting animals in aerial images with a density map estimation model

• 描述: RGB无人机图像中包含137365个企鹅点标注。
• 数据量: 300 MB
• 下载地址: https://zenodo.org/record/7702635#.ZChnoHZBxD8
• 元数据格式: JSON (LabelBox标准)
• 类别: 刷尾企鹅
• 载体类型: 飞机
• 图像信息: 753张RGB图像（正射校正）
• 标注信息: 137365个点
• 典型动物像素大小: 30
• 许可证: CC0
• 短代码: qian-penguins

Data from: A convolutional neural network for detecting sea turtles in drone imagery

• 描述: 无人机图像中包含1902个海龟点标注。
• 数据量: 7.24 GB
• 下载地址: https://zenodo.org/record/5004596#.ZChnr3ZBxD8
• 元数据格式: CSV
• 类别: 丽龟
• 载体类型: 无人机
• 图像信息: 1059张NIR图像（假彩色NIR渲染为RGB）
• 标注信息: 1902个点
• 典型动物像素大小: 10
• 许可证: CC0
• 短代码: gray-turtles

The Aerial Elephant Dataset

• 描述: 航空图像中包含15581个大象点标注。
• 数据量: 16.3 GB
• 下载地址: https://zenodo.org/record/3234780
• 元数据格式: CSV
• 类别: 大象
• 载体类型: 无人机
• 图像信息: 2074张RGB图像
• 标注信息: 15581个点
• 典型动物像素大小: 75
• 许可证: CC0
• 短代码: aerial-elephants

A global model of bird detection in high resolution airborne images using computer vision

• 描述: 来自13个生态系统的23765张无人机图像中包含386638个鸟类边界框标注。
• 数据量: 29 GB
• 下载地址: https://zenodo.org/record/5033174
• 元数据格式: CSV
• 类别: 鸟
• 载体类型: 可变
• 图像信息: 23765张RGB图像
• 标注信息: 386638个边界框
• 典型动物像素大小: 35
• 许可证: CC BY 4.0
• 短代码: weinstein-birds

Aerial Photo Imagery from Fall Waterfowl Surveys, Izembek Lagoon, Alaska, 2017-2019

• 描述: 110,067张航空图像中包含631349个水禽点标注。
• 数据量: 1.82 TB (LILA托管精编版本为124 GB)
• 下载地址: https://alaska.usgs.gov/products/data.php?dataid=484 (原始版本) / https://lila.science/datasets/izembek-lagoon-waterfowl/ (LILA版本)
• 元数据格式: CSV, JSON (CountThings格式，原始版本)；COCO格式 (LILA版本)
• 类别: 黑雁、帝雁、加拿大雁、海鸥、其他
• 载体类型: 飞机
• 图像信息: 110667张RGB图像
• 标注信息: 631349个点
• 典型动物像素大小: 50
• 许可证: 未明确说明（USGS来源，暗示为公共领域）
• 短代码: weiser-waterfowl-lila

Data from: Drones and deep learning produce accurate and efficient monitoring of large-scale seabird colonies

• 描述: 无人机图像中包含44966个黑眉信天翁和南跳岩企鹅的边界框标注。
• 数据量: 20.5 GB
• 下载地址: https://research.repository.duke.edu/concern/datasets/kp78gh20s?locale=en
• 元数据格式: CSV
• 类别: 黑眉信天翁、南跳岩企鹅
• 载体类型: 无人机
• 图像信息: 3947张RGB图像
• 标注信息: 44966个边界框
• 典型动物像素大小: 300
• 许可证: CC0
• 短代码: hayes-seabirds

Cattle detection and counting in UAV images based on convolutional neural networks

• 描述: 无人机图像中包含1919个带有个体ID的牛的边界框标注。
• 数据量: 3.2 GB
• 下载地址: http://bird.nae-lab.org/cattle
• 元数据格式: TXT
• 类别: 牛
• 载体类型: 无人机
• 图像信息: 663张RGB图像
• 标注信息: 1919个边界框
• 典型动物像素大小: 90
• 许可证: 未明确说明
• 短代码: shao-cattle

NOAA Fisheries Steller Sea Lion Population Count

• 描述: 948张海狮航空图像，每张图像有计数标注。
• 数据量: 103 GB
• 下载地址: https://www.kaggle.com/c/noaa-fisheries-steller-sea-lion-population-count
• 元数据格式: CSV
• 类别: 北海狮
• 载体类型: 飞机
• 图像信息: 948张RGB图像
• 标注信息: 948个计数
• 典型动物像素大小: 75
• 许可证: 未明确说明（NOAA来源，暗示为公共领域）
• 短代码: steller-sea-lion-count

Right Whale Recognition

• 描述: 4544张带有个体ID的露脊鲸图像。
• 数据量: 10 GB
• 下载地址: https://www.kaggle.com/c/noaa-right-whale-recognition
• 元数据格式: CSV
• 类别: 露脊鲸
• 载体类型: 直升机
• 图像信息: 11468张RGB图像
• 标注信息: 4544个个体ID
• 典型动物像素大小: 1500
• 许可证: 未明确说明（NOAA来源，暗示为公共领域）
• 短代码: right-whale-recognition

NOAA Arctic Seals 2019

• 描述: 44185组彩色/热图像对中，包含约14000个海豹边界框标注。
• 数据量: 1 TB
• 下载地址: https://lila.science/datasets/noaa-arctic-seals-2019/
• 元数据格式: CSV
• 类别: 环斑海豹、环斑海豹幼崽、未知海豹、髯海豹、髯海豹幼崽、未知幼崽
• 载体类型: 飞机
• 图像信息: 44185张RGB+IR图像（RGB和IR分辨率不同，但配准良好，为每个动物在两个图像中都提供了标注）
• 标注信息: 14311个边界框
• 典型动物像素大小: 55
• 许可证: CDLA-permissive
• 短代码: noaa-arctic-seals

Aerial Seabirds West Africa

• 描述: 2019年西非繁殖海鸟普查获得的高分辨率航空RGB图像，包含21516个海鸟点标注。
• 数据量: 2.2 GB
• 下载地址: https://lila.science/datasets/aerial-seabirds-west-africa/
• 元数据格式: CSV
• 类别: 白鹈鹕、皇鹬、红嘴巨鸥、细嘴鸥、灰头鸥、普通鸬鹚
• 载体类型: 飞机
• 图像信息: 单张航空正射镶嵌RGB图像
• 标注信息: 21516个点
• 典型动物像素大小: 30
• 许可证: CDLA-permissive
• 短代码: aerial-seabirds-west-africa

Conservation Drones

• 描述: 热无人机视频，包含166221个带物体ID的人类、大象和其他几种动物的边界框标注。
• 数据量: 3.7 GB
• 下载地址: https://lila.science/datasets/conservationdrones
• 元数据格式: CSV (MOT标准)
• 类别: 人类、大象、长颈鹿、狮子、狗
• 载体类型: 无人机
• 图像信息: 来自48个热视频的61994帧
• 标注信息: 166221个边界框
• 典型动物像素大小: 35
• 许可证: CDLA-permissive
• 短代码: conservation-drones

BuckTales: A multi-UAV dataset for multi-object tracking and re-identification of wild antelopes

• 描述: 包含三个子数据集：检测数据集（320张图像，18.4k个边界框）、重识别数据集（标注730个个体）和跟踪数据集（12个视频序列，120万个边界框），均使用一组重叠的黑羚羊群无人机视频。
• 数据量: 80 GB
• 下载地址: https://edmond.mpg.de/dataset.xhtml?persistentId=doi:10.17617/3.JCZ9WK
• 元数据格式: COCO和YOLO格式（检测数据集），MOT格式（跟踪数据集）
• 类别: 无人机、鸟、未知、阴影、雌性黑羚羊、雄性黑羚羊
• 载体类型: 无人机
• 许可证: CC BY-SA 4.0

搜集汇总

数据集介绍

构建方式

在野生动物监测领域，无人机与航空影像技术正逐步革新传统调查手段。该数据集通过系统性地整合多个公开的野生动物航空影像数据集构建而成，涵盖了从固定翼飞机、直升机到无人机等多种平台采集的RGB、热红外及多光谱图像。每个子数据集均经过严格标注，标注形式包括边界框、点标注以及个体计数，并辅以标准化的元数据文件，如CSV、JSON格式，确保了数据的规范性与可追溯性。数据来源多样，包括Zenodo、Dryad、USGS等权威数据仓储，并遵循CC0、CC BY等开放许可协议，保障了数据的合法共享与重用价值。

特点

该数据集展现出显著的多样性与规模性，囊括了从非洲草原的大象、斑马到极地海域的海豹、海鸟等众多物种，标注实例总数超过百万，图像数量达数十万幅，部分数据体积高达TB级别。其标注粒度精细，不仅包含物种类别与位置信息，部分子集还提供了个体身份标识与连续帧中的运动轨迹，支持检测、计数、重识别与追踪等多类计算机视觉任务。此外，数据集涵盖了不同传感器类型、拍摄高度与生态环境，为模型在不同成像条件与场景下的泛化能力评估提供了坚实基础。

使用方法

研究人员可通过项目提供的GitHub页面访问统一的数据索引与预览代码，每个子数据集均配有独立的下载链接与数据解析示例脚本，便于快速获取并可视化标注结果。数据可直接用于训练与评估野生动物检测模型，特别是针对航空影像中目标尺寸小、背景复杂等挑战。用户可根据任务需求选择特定子集，或进行跨数据集的联合训练以提升模型鲁棒性。项目还鼓励社区通过邮件反馈缺失数据集或错误信息，持续推动该资源库的完善与更新。

背景与挑战

背景概述

随着无人机与航空遥感技术的迅猛发展，生态学与计算机视觉的交叉领域催生了野生动物监测的新范式。drone-wildlife-datasets作为一个综合性数据资源库，由Dan Morris联合多位研究人员于近年共同创建与维护，旨在系统性地汇集并标准化全球范围内基于航空影像的野生动物标注数据集。该资源的核心研究问题聚焦于如何利用大规模标注数据训练鲁棒的深度学习模型，以实现对野生动物种群的高精度检测、计数与追踪，从而显著提升生态调查的效率与准确性，并为生物多样性保护与生态系统管理提供关键的数据驱动支持。

当前挑战

在野生动物航空影像分析领域，模型泛化能力面临严峻考验。由于拍摄高度、光照条件、植被遮挡以及动物形态与姿态的多样性，目标外观存在巨大差异，导致单一模型难以在不同场景中保持稳定性能。数据构建过程同样充满挑战：原始影像数据量庞大且标注成本高昂，需要领域专家进行精细的人工注释；不同数据集在标注格式、坐标系统与类别定义上缺乏统一标准，为数据整合与模型训练带来了额外复杂性；此外，热成像与多光谱等异质模态数据的对齐与融合，进一步增加了数据预处理与模型设计的难度。

常用场景

经典使用场景

在生态学与计算机视觉交叉领域，无人机与航空影像数据集为野生动物监测提供了关键数据支撑。该数据集最经典的使用场景在于训练和评估基于深度学习的动物检测模型，例如利用卷积神经网络从高空影像中自动识别并定位斑马、大象、鸟类等野生动物。研究人员通过标注的边界框或点标注，构建目标检测或密度估计模型，实现对动物种群数量的高效统计，替代传统人工计数方法，显著提升大规模生态调查的自动化水平。

解决学术问题

该数据集有效解决了野生动物监测中数据获取困难、人工计数效率低下且易出错等核心学术问题。通过提供多物种、多环境的高质量标注影像，它支持开发鲁棒的视觉算法，以应对复杂背景、小目标检测及光照变化等挑战。其意义在于推动了计算生态学的发展，为种群动态分析、生物多样性评估及保护策略制定提供了可靠的数据基础，促进了人工智能技术在生态保护领域的深度融合与创新。

衍生相关工作

基于该数据集，衍生了一系列经典研究工作。例如，Eikelboom等人利用斑马、长颈鹿和大象标注数据，开发了提升动物种群估计精度的目标检测模型；Weinstein团队构建了跨生态系统的鸟类检测通用深度学习框架；Gray等人则专注于海龟检测的卷积神经网络设计。这些工作不仅推动了航空影像中野生动物检测算法的进步，还催生了如LILA平台等数据集成与共享倡议，促进了学术社区的合作与数据标准化。