mwmathis/Horse-30

Horse-30数据集是一个用于动物姿态估计的基准数据集，包含30匹不同的纯种马，每匹马有超过200个标注的姿态，总计8,114帧。数据集的目的是评估在不同个体之间的姿态估计模型的泛化能力。数据集的结构包括三个分割，每个分割包含10匹马，用户需要在不同的分割上独立训练模型以评估其泛化能力。数据集的应用领域包括技术、医学和生物学，特别是在测量行为方面。

The Horse-30 dataset is a benchmark dataset for animal pose estimation. It comprises 30 distinct thoroughbred horses, with over 200 annotated poses per individual, amounting to a total of 8,114 frames. The primary goal of this dataset is to evaluate the generalization performance of pose estimation models across different individual animals. Structurally, the dataset is divided into three splits, each consisting of 10 horses. Researchers need to train models independently on different splits to assess their generalization ability. The applicable domains of this dataset include technology, medicine and biology, particularly in behavioral measurement research.

原始信息汇总

数据集概述：Horse-30

数据集描述

• 数据集名称： Horse-30
• 数据集目的： 用于评估动物姿态估计算法的泛化能力，特别是在不同个体间的应用。
• 数据集内容： 包含30匹不同外观的纯种马，共8,114帧，每匹马标注了22个身体部位。

数据集详情

• 主页： horse10.deeplabcut.org
• 代码库： https://github.com/DeepLabCut/DeepLabCut
• 相关论文： Mathis, Alexander et al. "Pretraining Boosts Out-of-Domain Robustness for Pose Estimation." Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2021, pp. 1859-1868.
• 联系人： Mackenzie Mathis

数据集结构

• 数据实例： 超过8,000个专业标注的帧，涵盖30匹纯种马。
• 数据分割： 训练数据分为三个独立的10匹马的分割，每个分割用于独立的训练。

支持的任务和排行榜

• 任务： 在10匹马的子集上训练，并在另外20匹“域外”马上进行评估。

支持的语言和工具

• 编程语言： Python
• 框架和库： deeplabcut, tensorflow, pytorch

注意事项

• 训练限制： 不应同时训练所有三个分割，以保持评估的独立性和数据集的完整性。
• 数据集大小： 约850MB，包含所有Horse-30的图像和标注。

搜集汇总

背景与挑战

背景概述

Horse-30数据集包含30匹纯种马的8114帧图像，每帧标注了22个身体部位，用于研究姿态估计模型的泛化能力。数据集分为三个独立的分割，每个分割包含10匹马，要求独立训练以评估模型在未见过的个体上的表现。