BDSE: Bangladeshi Street Dog Emotion Dataset

BDSE数据集包含500张带有情感标注的孟加拉街头流浪狗图片（愤怒/中性/快乐），由3名专业标注员标注（Fleiss κ = 0.782），具有实例感知的5折划分和兽医验证。

The BDSE Dataset contains 500 images of stray dogs on Bangladeshi streets with emotional annotations covering three categories: angry, neutral, and happy. It was annotated by three professional annotators, achieving a Fleiss’ κ score of 0.782. The dataset features instance-aware 5-fold partitioning and has undergone veterinarian validation.

原始信息汇总

BDSE 孟加拉国街头狗情绪数据集

数据集概述

BDSE（Bangladeshi Street Dog Emotion Dataset）是一个专门针对孟加拉国自由放养街头狗的情绪标注图像数据集，包含 500 张 图像，覆盖三种情绪类别。该数据集由 3 名教师标注员共同完成标注，并经过兽医验证。

数据集统计

类别	图像数量	占比
愤怒（Angry）	200	40.0%
中性（Neutral）	202	40.4%
开心（Happy）	98	19.6%
总计	500	100%

• 独立个体狗数量： 441 只
• 标注者间一致性： Fleiss κ = 0.782
• 全票一致比例： 82.8%

数据集特点

• 包含实例感知的 5 折交叉验证划分
• 附带 PEACE 方法（原型行为图谱锚定分类引擎），一种基于冻结主干的可解释分类器，使用 18 个原型
• 支持跨数据集评估（覆盖 16,745 张图像）

数据集论文

论文标题："Prototype Ethogram-Anchored Emotion Recognition in Free-Ranging Bangladeshi Street Dogs"

许可协议

• 数据集（图像 + 标注）： CC BY 4.0
• 代码： MIT 许可证

联系方式

Rohul Amin — [e-mail]

搜集汇总

数据集介绍

构建方式

在动物行为认知与计算机视觉交叉研究领域，情感识别是理解自由活动动物状态的关键。BDSE数据集专注于孟加拉国街头流浪犬，由441只不同个体构成，涵盖愤怒、中性与快乐三类情感状态，共计500张标注图像。每张图像均经过三位专业标注者的独立评估，标注一致性达Fleiss' κ=0.782，且82.8%的样本获得完全一致的意见。为确保生物学可解释性，数据集构建过程引入了兽医学验证，并基于原型行为图谱（PEACE方法）对标注标准进行规范化，使情感类别与行为学指标精准关联。数据通过实例感知的五折划分形成标准化训练与测试子集，为跨数据集评估与模型泛化验证奠定基础。

特点

该数据集的核心特点在于其针对特定地理与生态背景的独特设计。BDSE填补了南亚地区流浪犬情感公开数据集的空白，图像均采集于孟加拉国街头真实环境，具有高度生态效度。情感类别分布反映了自然场景的真实不平衡性（快乐类占19.6%），更贴合实际应用场景。数据与PEACE方法深度绑定，后者基于冻结骨干网络构建可解释分类引擎，通过18个原型锚定行为图谱语义，在领域内基准测试中达到0.910的宏F1分数。跨数据集迁移实验表明，PEACE相较于传统原型网络与线性探测方法分别提升0.128与0.028的准确率，且全部原型正确对齐所属类别，具备卓越的可解释性与鲁棒性。

使用方法

研究者可通过GitHub仓库获取数据集及配套实验脚本。数据集以图像与标注文件形式提供，并附有规范化五折划分方案。使用前需安装相关深度学习框架（如PyTorch）及依赖库，推荐在Kaggle免费T4 GPU环境中运行。仓库内包含四组自包含Jupyter笔记本：NB2用于完成领域内12种方法的基准测试，NB5支持十次随机种子下的跨数据集验证，NB6实现原型激活分析以探索模型决策依据，NB6.3则可开展组件消融研究。用户可直接加载预划分数据，调用PEACE模型进行训练、推理与可视化，亦可基于公开标注标准扩展自有图像数据，适配不同流浪动物情感分析任务。

背景与挑战

背景概述

动物情感计算是计算机视觉与动物行为学交叉的新兴研究方向，旨在通过非侵入式手段解读动物的情绪状态，进而改善动物福利与人与动物互动。孟加拉国街头流浪犬数量庞大，其情绪识别对于公共卫生管理与动物保护具有重要意义。2024年，Rajshahi University of Engineering & Technology的Rohul Amin与Julia Rahman联合发布了BDSE数据集，这是首个专门针对孟加拉国街头犬的情绪标注图像集，包含500张愤怒、中性、快乐三类情绪的实例图像，经三位专业标注者以Fleiss' κ = 0.782的高一致性完成标注，并获得了兽医验证。该数据集填补了发展中国家流浪犬情绪数据资源的空白，为构建跨文化、跨品种、跨环境的通用动物情感识别模型提供了基础，推动了动物情感计算在真实野外场景下的适用性探索。

当前挑战

BDSE数据集面临的核心挑战在于野外环境下情绪识别的复杂性与数据局限性。首先，自由放养犬只的行为表现出高度异质性，情绪表达受遗传、环境、社会互动及个体差异多重因素影响，使得基于静态图像的情绪判别边界模糊，模型需应对光照、遮挡、姿态多变等干扰。其次，构建过程中最大的困难在于标注的主观性与稀缺性：犬类情绪缺乏普适的量化标准，标注者需依赖原型行为谱（ethogram）进行判断，但跨标注者一致性仍需提升；同时，数据集规模仅500张，且类别分布不均衡（快乐类仅占19.6%），可能导致模型对小众情绪的泛化能力不足。此外，跨数据集评估（涉及16,745张图像）揭示了现有方法在不同地域、不同犬种间的迁移性能衰退，提示领域偏移与底层特征不变性研究仍是亟待突破的瓶颈。

常用场景

经典使用场景

在动物行为学与计算机视觉交叉研究的前沿领域，孟加拉国街头犬情绪数据集（BDSE）为自由活动犬只的情绪识别提供了首个标准化标注基准。该数据集收录了500张标注为愤怒、中性和快乐三种情绪类别的影像，并由三位领域专家完成注释，其Fleiss' κ系数达0.782，确保了标注的一致性与可靠性。研究者通常利用该数据集构建并评估基于视觉线索的犬类情绪分类模型，尤其关注在真实、非受控环境中获取的影像数据，从而推动对动物非语言交流信号的自动化理解。

实际应用

在实际应用层面，BDSE数据集为流浪动物管理、动物福利评估与人类-动物交互辅助系统提供了切实可行的技术支撑。通过自动化识别犬只的愤怒、中性或快乐情绪，相关系统可辅助动物救助组织评估街头犬只的攻击性与应激状态，从而制定更为安全的干预策略。此外，基于该数据集训练的分类器有望嵌入移动设备或监控平台，实现实时情绪监测，为城市中人与流浪动物的和谐共处提供智能化的决策辅助。

衍生相关工作

围绕BDSE数据集，研究团队提出了原型行为图谱锚定分类引擎（PEACE方法），这是一种可解释的冻结主干分类框架，通过18个原型初始化于SigLIP文本嵌入的特征空间，在域内测试中取得了0.910的宏F1值，并在跨数据集评估中显著优于ProtoPNet与SigLIP-LP基线。该工作还开展了包含12种方法的域内基准实验、10种随机种子的跨数据集迁移评估以及组件消融研究，系统验证了原型对齐机制在动物情绪识别中的有效性与可解释性，为未来构建更透明、可靠的动物情感计算模型奠定了方法论基础。