AGAR

displayName: AGAR (Annotated Germs for Automated Recognition)
labelTypes:
- Box2D
license:
- CC BY-NC 2.0
mediaTypes:
- Image
paperUrl: https://arxiv.org/pdf/2108.01234v1.pdf
publishDate: "2021"
publishUrl: https://agar.neurosys.com/
publisher:
- Wroclaw University
tags:
- Microorganism
taskTypes:
- Object Detection

---
# 数据集介绍
## 简介
Annotated Germs for Automated Recognition (AGAR) 数据集是在琼脂板上培养的微生物菌落的图像数据库。它包含五种不同微生物的 18000 张照片，这些照片是用两个不同的相机在不同的照明条件下拍摄的。所有图像分为可数、不可数和空，前者由微生物学家标记菌落位置和 5 个物种识别（336 442 个菌落）。
## 引文
```
@article{majchrowska2021agar,
title={AGAR a microbial colony dataset for deep learning detection},
author={Majchrowska, Sylwia and Paw{\l}owski, Jaros{\l}aw and Gu{\l}a, Grzegorz and Bonus, Tomasz and Hanas, Agata and Loch, Adam and Pawlak, Agnieszka and Roszkowiak, Justyna and Golan, Tomasz and Drulis-Kawa, Zuzanna},
journal={arXiv preprint arXiv:2108.01234},
year={2021}
}
```

## Download dataset
:modelscope-code[]{type="git"}

数据集名称：自动化识别用标注菌群数据集（AGAR，Annotated Germs for Automated Recognition）
labelTypes:
- 二维边界框（Box2D）
license:
- CC BY-NC 2.0
mediaTypes:
- 图像
paperUrl: https://arxiv.org/pdf/2108.01234v1.pdf
publishDate: "2021"
publishUrl: https://agar.neurosys.com/
publisher:
- 弗罗茨瓦夫大学（Wroclaw University）
tags:
- 微生物（Microorganism）
taskTypes:
- 目标检测（Object Detection）

---
# 数据集介绍
## 简介
自动化识别用标注菌群数据集（AGAR，Annotated Germs for Automated Recognition）是琼脂平板培养的微生物菌落图像数据库。数据集共收录18000张微生物菌落图像，由两台不同相机在多种光照条件下采集完成，涵盖5种不同微生物。所有图像被划分为可数菌落、不可数菌落与空白三类，其中可数菌落图像已由微生物学家标注菌落位置，并完成5个物种的识别（共计336442个菌落）。
## 引文

@article{majchrowska2021agar,
title={AGAR a microbial colony dataset for deep learning detection},
author={Majchrowska, Sylwia and Paw{l}owski, Jaros{l}aw and Gu{l}a, Grzegorz and Bonus, Tomasz and Hanas, Agata and Loch, Adam and Pawlak, Agnieszka and Roszkowiak, Justyna and Golan, Tomasz and Drulis-Kawa, Zuzanna},
journal={arXiv preprint arXiv:2108.01234},
year={2021}
}

## 数据集下载
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

AGAR数据集是一个用于自动识别微生物菌落的图像数据库，包含18000张在琼脂板上培养的五种微生物菌落照片，拍摄条件多样。所有图像已分类并标注了菌落位置和物种信息，总计336,442个菌落，适用于对象检测任务，支持深度学习研究。