imageomics/Curated_GoldStandard_Hoyal_Cuthill

该数据集包含Heliconius erato和Heliconius melpomene亚种的背部全身图像，共有960张图像，涉及320个标本，每个标本有3张图像（原始图像、鸟类视角转换图像和蝴蝶视角转换图像）。图像经过低分辨率处理，并使用AcuityView工具进行了视角转换。数据集用于图像分类任务，特别是针对不同观察者（鸟类、蝴蝶或人类/其他）的视觉敏锐度进行分类。数据集的结构包括训练集和测试集，分别存储在train和test文件夹中，并且根据亚种进一步细分。数据集的创建过程包括杂交分离、标签校正、移除无模仿对的亚种、统一背景和图像填充等步骤。数据集的来源是Hoyal Cuthill等人的研究，并由多位专家进行了进一步的筛选和标注。该数据集包含Heliconius erato和Heliconius melpomene亚种的背部全身图像，共有960张图像，涉及320个标本，每个标本有3张图像（原始图像、鸟类视角转换图像和蝴蝶视角转换图像）。图像经过低分辨率处理，并使用AcuityView工具进行了视角转换。数据集用于图像分类任务，特别是针对不同观察者（鸟类、蝴蝶或人类/其他）的视觉敏锐度进行分类。数据集的结构包括训练集和测试集，分别存储在train和test文件夹中，并且根据亚种进一步细分。数据集的创建过程包括杂交分离、标签校正、移除无模仿对的亚种、统一背景和图像填充等步骤。数据集的来源是Hoyal Cuthill等人的研究，并由多位专家进行了进一步的筛选和标注。

原始信息汇总

数据集概述

名称： Curated Gold Standard Hoyal Cuthill Dataset

许可证： CC0-1.0

任务类别： 图像分类

标签：

• 蝴蝶
• Heliconius erato
• Heliconius melpomene
• 全身
• 背部
• RGB
• 鸟瞰
• 蝴蝶视角
• 鸟类视力
• 蝴蝶视力
• 不平衡
• 拟态
• 计算机视觉

数据集大小： 小于1K

数据集描述

该数据集包含18个亚种的_Heliconius erato_和_Heliconius melpomene_的背部全身图像，共计960张。每张图像为低分辨率RGB照片，尺寸为128px x 128px，背景为灰色。图像经过AcuityView处理，模拟了鸟类和蝴蝶的视力。

数据集结构

数据集分为多个部分，包括原始图像、训练和测试集，以及针对不同视力的训练和测试集。所有图像均按亚种进一步细分。

数据实例

• 类型： PNG
• 尺寸： 128px x 128px
• 背景： 灰色
• 框架适配： 多数填充位于图像上方和下方

数据字段

数据集包含详细的元数据，包括样本编号、图像文件名、视图类型、物种、亚种、性别、附加分类信息、杂交状态、是否用于减少分析、采集地点、纬度和经度等。

数据分割

训练集和测试集各有250张和70张图像，分别存储在不同的文件夹中，按亚种进一步细分。

数据创建

数据处理步骤包括杂交分离、标签校正、移除无拟态对的亚种、统一背景、通过填充使图像成为正方形。

数据来源

数据集源自Hoyal Cuthill等人的研究，原始数据集还包括腹面图像。

数据注释

数据集经过专家手动校正，以移除错误分类的物种/亚种和多样的杂交样本，确保数据质量。

使用考虑

数据集专注于Heliconius物种和亚种，存在物种和亚种分布不均的限制。

搜集汇总

数据集介绍

构建方式

该数据集聚焦于热带蝴蝶属Heliconius中两个关键物种——H. erato与H. melpomene的18个亚种，收录了320个标本的960张背部全身图像。每个标本均包含三种视角的影像：原始低分辨率RGB照片、模拟鸟类视觉敏锐度的变换图像，以及模拟蝴蝶视觉敏锐度的变换图像。原始图像经裁剪并缩放至64像素高度，保持宽高比后填充至140像素宽度，随后借助AcuityView工具，依据Land（1997）及AcuityView 2.0的视觉敏锐度估计值进行视觉模拟处理。数据源于Hoyal Cuthill等人2019年的公开数据集，并经多位Heliconius专家手工剔除杂交与异常样本，同时通过QGIS剔除超出已知分布范围的采集点，最终形成这一经过严格质量控制的精炼版本。

特点

该数据集的核心特色在于其多视角视觉模拟设计，为研究拟态现象中不同观察者（鸟类、蝴蝶及其他）的视觉感知差异提供了独特资源。每个标本对应的三幅图像分别代表原始人类视角、鸟类视觉敏锐度视角及蝴蝶视觉敏锐度视角，使得模型能够学习并区分不同视觉系统下的表型相似性。数据集中包含18个亚种，但分布呈现非均匀性，即类别不平衡，这更贴近真实生态采样情况。所有图像均经过标准化处理，采用128×128像素的PNG格式，背景统一为灰色（210, 210, 210），并经过填充以保持矩形框内居中，从而消除了原始图像中的背景噪声与尺度差异。

使用方法

该数据集主要面向图像分类任务，用于训练和评估识别Heliconius蝴蝶亚种的深度学习模型。数据已预划分为训练集（250张图像）和测试集（70张图像），并针对鸟类与蝴蝶视觉敏锐度分别提供了独立的训练与测试子集。用户可通过随附的CSV元数据文件（Train_Test_Curated_GoldStandard_Hoyal_Cuthill.csv与Acuity_Curated_GoldStandard_Hoyal_Cuthill.csv）便捷地获取各图像的文件路径与对应标签。建议研究者利用该数据集探索视觉敏锐度对拟态识别的影响，或开发能够泛化至不同视觉感知条件下的分类算法。数据集采用CC0公共领域许可，可自由使用与再分发。

背景与挑战

背景概述

在进化生物学与计算机视觉的交叉领域，蝴蝶拟态现象为研究视觉相似性与自然选择提供了独特模型。该数据集由Krzysztof Kozak、Christopher Lawrence、James Mallet等来自加州大学伯克利分校、普林斯顿大学、哈佛大学及史密森尼热带研究所的学者于2023年联合创建，聚焦于Heliconius erato与Heliconius melpomene两个物种的18个亚种。核心研究问题在于如何通过图像分类技术量化不同观察者（鸟类、蝴蝶或人类）视角下的拟态相似度，从而验证进化生物学中经典的穆勒拟态理论。该数据集在Hoyal Cuthill等人2019年原始研究基础上，经多位蝴蝶专家手工剔除杂交与异常样本，并引入AcuityView工具模拟不同视觉系统的空间分辨率，显著提升了数据质量与生物学解释力。作为Imageomics研究计划的关键成果，它为知识引导的机器学习方法在生物特征分析中的应用树立了标杆，推动了计算机视觉与进化生物学的深度融合。

当前挑战

该数据集面临的核心挑战首先体现在领域问题的复杂性上：蝴蝶亚种间的拟态关系涉及多维视觉特征，传统图像分类模型难以捕捉观察者视觉系统差异（如鸟类与蝴蝶的空间分辨率差异）对分类结果的影响，导致模型在模拟不同视觉视角时泛化能力不足。其次，数据构建过程中遭遇多重困难：原始数据存在亚种标签错误、杂交样本干扰以及部分采集地点超出已知分布范围等问题，需依靠罕见的人工专家评审进行逐样本校正，耗时且主观性强。此外，数据集规模较小（仅960张图像），且亚种分布高度不均衡，部分类别样本稀缺，这限制了深度模型的训练效果与统计可靠性。最后，模拟视觉系统的AcuityView参数依赖1997年的昆虫视觉锐度估计，后续研究已提出更精确的更新值，可能引入系统性偏差，需在模型解释中审慎考量。

常用场景

经典使用场景

该数据集聚焦于亚马逊流域两种标志性袖蝶——Heliconius erato与Heliconius melpomene的18个亚种背部全身图像，是研究贝氏拟态进化机制的关键视觉资源。其经典使用场景在于构建亚种级别的图像分类模型，通过原始图像与经鸟类、蝴蝶视觉锐度转换后的图像，模拟不同捕食者视角下的拟态识别任务，从而量化拟态相似度在异种视觉系统下的鲁棒性。

解决学术问题

该数据集直面进化生物学中拟态信号保真度的核心争议——拟态物种间的表型相似性是否足以欺骗不同视觉系统的捕食者。通过提供经专家校正的黄金标准样本，它消除了杂交个体与分类错误对模型训练的干扰，使研究者能精确评估机器学习模型在模拟鸟类与蝴蝶视觉锐度条件下区分拟态对的性能，为验证‘拟态进化受捕食者视觉驱动’这一经典假说提供了可复现的定量基准。

衍生相关工作

该数据集催生了多项开创性工作，最典型的是Ramesh Babu（2023）基于此数据训练的Imageomics方法，首次将视觉锐度差异显式纳入拟态相似性度量框架，揭示鸟类与蝴蝶视角下拟态对的分类混淆模式存在显著差异。此外，Imageomics研究所的Butterfly-mimicry仓库利用该数据探索知识引导的机器学习范式，通过将生物学先验（如拟态对关系）嵌入损失函数，显著提升了少样本场景下的亚种分类准确率，为跨学科数据驱动研究树立了典范。