Andron00e/CUB200-custom

Name: Andron00e/CUB200-custom
Creator: Andron00e
Published: 2024-03-04T19:16:48+08:00

Hugging Face2024-03-21 更新2024-03-04 收录

鸟类分类

图像识别

数据链接：

https://hf-mirror.com/datasets/Andron00e/CUB200-custom 数据链接链接失效反馈

官方服务：

资源简介：

该数据集用于图像分类任务，包含图像文件路径、图像和标签。标签为199种鸟类的名称。数据集分为训练集，包含11788个样本，总大小为1112952985.46字节。数据集使用MIT许可证，语言为英语，规模为1K到10K之间。

提供机构：

Andron00e

原始信息汇总

数据集概述

数据集信息

特征

image_file_path: 字符串类型，表示图像文件路径。
image: 图像类型，表示图像数据。
labels: 包含类别标签，具体类别如下：
- 0: black footed albatross
- 1: laysan albatross
- 2: sooty albatross
- 3: groove billed ani
- 4: crested auklet
- 5: least auklet
- 6: parakeet auklet
- 7: rhinoceros auklet
- 8: brewer blackbird
- 9: red winged blackbird
- 10: rusty blackbird
- 11: yellow headed blackbird
- 12: bobolink
- 13: indigo bunting
- 14: lazuli bunting
- 15: painted bunting
- 16: cardinal
- 17: spotted catbird
- 18: gray catbird
- 19: yellow breasted chat
- 20: eastern towhee
- 21: chuck will widow
- 22: brandt cormorant
- 23: red faced cormorant
- 24: pelagic cormorant
- 25: bronzed cowbird
- 26: shiny cowbird
- 27: brown creeper
- 28: american crow
- 29: fish crow
- 30: black billed cuckoo
- 31: mangrove cuckoo
- 32: yellow billed cuckoo
- 33: gray crowned rosy finch
- 34: purple finch
- 35: northern flicker
- 36: acadian flycatcher
- 37: great crested flycatcher
- 38: least flycatcher
- 39: olive sided flycatcher
- 40: scissor tailed flycatcher
- 41: vermilion flycatcher
- 42: yellow bellied flycatcher
- 43: frigatebird
- 44: northern fulmar
- 45: gadwall
- 46: american goldfinch
- 47: european goldfinch
- 48: boat tailed grackle
- 49: eared grebe
- 50: horned grebe
- 51: pied billed grebe
- 52: western grebe
- 53: blue grosbeak
- 54: evening grosbeak
- 55: pine grosbeak
- 56: rose breasted grosbeak
- 57: pigeon guillemot
- 58: california gull
- 59: glaucous winged gull
- 60: heermann gull
- 61: herring gull
- 62: ivory gull
- 63: ring billed gull
- 64: slaty backed gull
- 65: western gull
- 66: anna hummingbird
- 67: ruby throated hummingbird
- 68: rufous hummingbird
- 69: green violetear
- 70: long tailed jaeger
- 71: pomarine jaeger
- 72: blue jay
- 73: florida jay
- 74: green jay
- 75: dark eyed junco
- 76: tropical kingbird
- 77: gray kingbird
- 78: belted kingfisher
- 79: green kingfisher
- 80: pied kingfisher
- 81: ringed kingfisher
- 82: white breasted kingfisher
- 83: red legged kittiwake
- 84: horned lark
- 85: pacific loon
- 86: mallard
- 87: western meadowlark
- 88: hooded merganser
- 89: red breasted merganser
- 90: mockingbird
- 91: nighthawk
- 92: clark nutcracker
- 93: white breasted nuthatch
- 94: baltimore oriole
- 95: hooded oriole
- 96: orchard oriole
- 97: scott oriole
- 98: ovenbird
- 99: brown pelican
- 100: white pelican
- 101: western wood pewee
- 102: sayornis
- 103: american pipit
- 104: whip poor will
- 105: horned puffin
- 106: common raven
- 107: white necked raven
- 108: american redstart
- 109: geococcyx
- 110: loggerhead shrike
- 111: great grey shrike
- 112: baird sparrow
- 113: black throated sparrow
- 114: brewer sparrow
- 115: chipping sparrow
- 116: clay colored sparrow
- 117: house sparrow
- 118: field sparrow
- 119: fox sparrow
- 120: grasshopper sparrow
- 121: harris sparrow
- 122: henslow sparrow
- 123: le conte sparrow
- 124: lincoln sparrow
- 125: nelson sharp tailed sparrow
- 126: savannah sparrow
- 127: seaside sparrow
- 128: song sparrow
- 129: tree sparrow
- 130: vesper sparrow
- 131: white crowned sparrow
- 132: white throated sparrow
- 133: cape glossy starling
- 134: bank swallow
- 135: barn swallow
- 136: cliff swallow
- 137: tree swallow
- 138: scarlet tanager
- 139: summer tanager
- 140: artic tern
- 141: black tern
- 142: caspian tern
- 143: common tern
- 144: elegant tern
- 145: forsters tern
- 146: least tern
- 147: green tailed towhee
- 148: brown thrasher
- 149: sage thrasher
- 150: black capped vireo
- 151: blue headed vireo
- 152: philadelphia vireo
- 153: red eyed vireo
- 154: warbling vireo
- 155: white eyed vireo
- 156: yellow throated vireo
- 157: bay breasted warbler
- 158: black and white warbler
- 159: black throated blue warbler
- 160: blue winged warbler
- 161: canada warbler
- 162: cape may warbler
- 163: cerulean warbler
- 164: chestnut sided warbler
- 165: golden winged warbler
- 166: hooded warbler
- 167: kentucky warbler
- 168: magnolia warbler
- 169: mourning warbler
- 170: myrtle warbler
- 171: nashville warbler
- 172: orange crowned warbler
- 173: palm warbler
- 174: pine warbler
- 175: prairie warbler
- 176: prothonotary warbler
- 177: swainson warbler
- 178: tennessee warbler
- 179: wilson warbler
- 180: worm eating warbler
- 181: yellow warbler
- 182: northern waterthrush
- 183: louisiana waterthrush
- 184: bohemian waxwing
- 185: cedar waxwing
- 186: american three toed woodpecker
- 187: pileated woodpecker
- 188: red bellied woodpecker
- 189: red cockaded woodpecker
- 190: red headed woodpecker
- 191: downy woodpecker
- 192: bewick wren
- 193: cactus wren
- 194: carolina wren
- 195: house wren
- 196: marsh wren
- 197: rock wren
- 198: winter wren
- 199: common yellowthroat

数据分割

train: 包含11788个样本，数据大小为1112952985.46字节。

数据集大小

下载大小: 1144712880字节
数据集大小: 1112952985.46字节

配置

config_name: default
data_files:
- split: train
- path: data/train-*

许可证

任务类别

图像分类

语言

英语

数据集规模

1K<n<10K

搜集汇总

数据集介绍

构建方式

在细粒度图像分类领域，鸟类识别一直是极具挑战性的研究方向，而CUB-200数据集作为该领域的经典基准，为模型评估提供了重要参考。Andron00e/CUB200-custom数据集基于原始CUB-200数据集进行了定制化重构，其构建方式遵循了标准化的图像分类数据集组织范式。该数据集以图像文件路径与对应标签为核心结构，通过预设的200个鸟类类别标签体系（涵盖从黑脚信天翁至普通黄喉地莺的丰富物种），将11788张训练样本按类别进行系统化归档。数据以Parquet格式存储于'train'分片中，确保了高效的数据读取与处理能力，同时保留了原始图像的高分辨率特征，为下游模型训练提供了完整的细粒度视觉信息。

使用方法

该数据集在HuggingFace平台上以标准化的datasets库格式托管，用户可通过简单的API调用直接加载。使用时，首先利用load_dataset函数指定数据集名称'Andron00e/CUB200-custom'，即可自动获取训练分片中的图像与标签对。图像数据会以PIL或张量形式返回，便于直接输入深度学习框架（如PyTorch或TensorFlow）构建分类模型。标签采用整数索引与对应鸟类名称的映射关系，用户可通过数据集中的class_label属性获取类别字典，从而进行模型输出与真实标签的比对。建议在训练前对图像进行标准化缩放与增强，以适配不同模型架构的输入要求。

背景与挑战

背景概述

在计算机视觉领域，细粒度图像分类一直是极具挑战性的研究方向，其目标在于区分同一大类下极为相似的子类别。Caltech-UCSD Birds-200（CUB-200）数据集由加州理工学院和加州大学圣迭戈分校的研究人员于2010年首次发布，旨在推动鸟类物种的自动识别研究。该数据集包含200种北美鸟类，共计11,788张图像，每张图像均标注了类别标签，并提供了关键部位的边界框与属性信息，为细粒度分类算法提供了标准化的评估基准。CUB-200的诞生填补了当时缺乏大规模细粒度标注数据集的空白，激发了众多基于局部特征、注意力机制及深度学习的细粒度识别方法的发展。该数据集已成为该领域的标杆性资源，对后续如FGVC竞赛和CUB-200-2011扩展版本产生了深远影响，促进了计算机视觉从粗粒度向细粒度识别的范式转变。

当前挑战

CUB-200数据集所解决的领域问题在于细粒度图像分类，即如何区分形态、颜色和纹理高度相似的鸟类物种。这一任务的核心挑战在于类间差异极其微小，而类内变化因姿态、光照和背景差异而显著，传统全局特征方法难以奏效。在数据集构建过程中，研究人员面临了多重挑战：首先，收集涵盖200个物种、每类约60张高质量图像需要广泛的野外拍摄与专业鸟类学知识，以确保物种标注的准确性；其次，图像来源多样，分辨率与质量参差不齐，需进行归一化处理；最后，为每张图像标注关键部位（如喙、翅膀）的边界框与属性（如颜色、形状），这一过程耗时且需人工校验，以保证标注一致性和完整性。这些挑战共同推动了针对细粒度特征定位与判别性区域学习的算法创新。

常用场景

经典使用场景

CUB-200-2011数据集在细粒度图像分类领域占据着举足轻重的地位，它专注于北美洲200种鸟类的识别任务。研究者常利用该数据集来训练和评估深度学习模型在区分细微视觉差异方面的能力，例如不同亚种鸟类在羽毛纹理、喙部形态或翅膀斑纹上的微妙区别。这一场景推动了从全局特征到局部判别性区域建模的范式演进，成为衡量细粒度分类算法性能的黄金标准。

解决学术问题

该数据集有效解决了传统图像分类任务中类间差异极小、类内差异极大的学术难题。它促使学界探索如何借助注意力机制、部件检测与对齐、以及高阶特征交互等策略来捕获关键判别区域，从而克服背景干扰和姿态变化带来的影响。其意义在于为生物多样性自动监测、物种识别等生态学研究提供了坚实的数据基础，并催化了细粒度视觉理解这一子领域的蓬勃发展。

实际应用

在实际应用中，CUB-200-2011数据集的知识被广泛迁移至农业病虫害识别、工业产品缺陷检测以及文物保护中的艺术品真伪鉴定等场景。例如，基于该数据集预训练的模型能够快速适应不同品种花卉或昆虫的自动分类，助力精准农业和生态保护工作。此外，其在野生动物监控系统中也展现出巨大潜力，通过实时识别鸟类种类来追踪迁徙模式和种群动态。

数据集最近研究