Dusduo/1stGen-Pokemon-Images

该数据集包含第一代宝可梦的图像和标签，共有143个类别。每个宝可梦的目录包含50到200张图像。数据集分为训练集和测试集，训练集包含8440个样本，测试集包含2110个样本。数据集的总下载大小为1928731574字节，总数据集大小为1961121463.49字节。

原始信息汇总

数据集概述

数据集信息

特征

• image: 图像数据
• label: 类别标签，包含143个类别，具体名称如下：
  • 0: Abra
  • 1: Aerodactyl
  • 2: Alakazam
  • 3: Arbok
  • 4: Arcanine
  • 5: Articuno
  • 6: Beedrill
  • 7: Bellsprout
  • 8: Blastoise
  • 9: Bulbasaur
  • 10: Butterfree
  • 11: Caterpie
  • 12: Chansey
  • 13: Charizard
  • 14: Charmander
  • 15: Charmeleon
  • 16: Clefable
  • 17: Clefairy
  • 18: Cloyster
  • 19: Cubone
  • 20: Dewgong
  • 21: Diglett
  • 22: Ditto
  • 23: Dodrio
  • 24: Doduo
  • 25: Dragonair
  • 26: Dragonite
  • 27: Dratini
  • 28: Drowzee
  • 29: Dugtrio
  • 30: Eevee
  • 31: Ekans
  • 32: Electabuzz
  • 33: Electrode
  • 34: Exeggcute
  • 35: Exeggutor
  • 36: Farfetchd
  • 37: Fearow
  • 38: Flareon
  • 39: Gastly
  • 40: Gengar
  • 41: Geodude
  • 42: Gloom
  • 43: Golbat
  • 44: Goldeen
  • 45: Golduck
  • 46: Graveler
  • 47: Grimer
  • 48: Growlithe
  • 49: Gyarados
  • 50: Haunter
  • 51: Hitmonchan
  • 52: Hitmonlee
  • 53: Horsea
  • 54: Hypno
  • 55: Ivysaur
  • 56: Jigglypuff
  • 57: Jolteon
  • 58: Jynx
  • 59: Kabutops
  • 60: Kadabra
  • 61: Kakuna
  • 62: Kangaskhan
  • 63: Kingler
  • 64: Koffing
  • 65: Lapras
  • 66: Lickitung
  • 67: Machamp
  • 68: Machoke
  • 69: Machop
  • 70: Magikarp
  • 71: Magmar
  • 72: Magnemite
  • 73: Magneton
  • 74: Mankey
  • 75: Marowak
  • 76: Meowth
  • 77: Metapod
  • 78: Mew
  • 79: Mewtwo
  • 80: Moltres
  • 81: Mr. Mime
  • 82: MrMime
  • 83: Nidoking
  • 84: Nidoqueen
  • 85: Nidorina
  • 86: Nidorino
  • 87: Ninetales
  • 88: Oddish
  • 89: Omanyte
  • 90: Omastar
  • 91: Parasect
  • 92: Pidgeot
  • 93: Pidgeotto
  • 94: Pidgey
  • 95: Pikachu
  • 96: Pinsir
  • 97: Poliwag
  • 98: Poliwhirl
  • 99: Poliwrath
  • 100: Ponyta
  • 101: Porygon
  • 102: Primeape
  • 103: Psyduck
  • 104: Raichu
  • 105: Rapidash
  • 106: Raticate
  • 107: Rattata
  • 108: Rhydon
  • 109: Rhyhorn
  • 110: Sandshrew
  • 111: Sandslash
  • 112: Scyther
  • 113: Seadra
  • 114: Seaking
  • 115: Seel
  • 116: Shellder
  • 117: Slowbro
  • 118: Slowpoke
  • 119: Snorlax
  • 120: Spearow
  • 121: Squirtle
  • 122: Starmie
  • 123: Staryu
  • 124: Tangela
  • 125: Tauros
  • 126: Tentacool
  • 127: Tentacruel
  • 128: Vaporeon
  • 129: Venomoth
  • 130: Venonat
  • 131: Venusaur
  • 132: Victreebel
  • 133: Vileplume
  • 134: Voltorb
  • 135: Vulpix
  • 136: Wartortle
  • 137: Weedle
  • 138: Weepinbell
  • 139: Weezing
  • 140: Wigglytuff
  • 141: Zapdos
  • 142: Zubat

数据集划分

• train: 训练集，包含8440个样本，大小为1594428375.04字节
• test: 测试集，包含2110个样本，大小为366693088.45字节

数据集大小

• download_size: 1928731574字节
• dataset_size: 1961121463.49字节

配置

• default: 默认配置
  • train: 数据路径为data/train-*
  • test: 数据路径为data/test-*

搜集汇总

数据集介绍

构建方式

在计算机视觉与游戏文化交叉领域，该数据集源自Kaggle平台上的原始资源，系统性地整合了第一世代宝可梦的视觉资料。构建过程中，依据宝可梦种类创建了143个独立目录，每个目录对应一个特定宝可梦，排除了尼多兰与尼多朗的性别变体。数据采集覆盖了每类宝可梦50至200幅图像，通过规范化整理形成训练集与测试集，分别包含8440和2110个样本，确保了数据在类别与数量上的均衡分布。

特点

该数据集以图像分类任务为核心，其显著特征在于囊括了第一世代全部151种宝可梦中的143类，构成了一个多类别视觉识别库。每幅图像均标注了对应的宝可梦名称标签，标签体系采用分类编码与名称映射的双重结构，便于机器学习模型进行端到端训练。数据规模达到近200万字节，图像内容呈现宝可梦的多样化视觉形态，为模型提供了丰富的特征学习空间，适用于细粒度图像识别研究。

使用方法

在机器学习应用场景中，该数据集可直接用于监督学习框架下的图像分类模型训练。研究人员可通过HuggingFace平台加载数据集，利用其预划分的训练集与测试集进行模型训练与评估。典型流程包括图像预处理、特征提取及分类器构建，适用于卷积神经网络等深度学习架构的验证与优化。数据集结构兼容常见机器学习工具链，支持快速迭代实验，助力计算机视觉算法在游戏角色识别领域的性能提升。

背景与挑战

背景概述

在计算机视觉与机器学习领域，图像分类任务常需高质量、结构化的数据集以推动算法发展。Dusduo/1stGen-Pokemon-Images数据集由社区研究者基于Kaggle平台原始数据构建，专注于第一代宝可梦图像，涵盖143个类别，每类包含50至200张图像，总计逾万样本。该数据集旨在为细粒度图像识别提供基准，其创建源于对流行文化元素进行系统性数字化归档的需求，不仅服务于娱乐产业应用，亦为多类别分类、数据增强及迁移学习研究提供了丰富素材。

当前挑战

该数据集核心挑战在于细粒度图像分类的复杂性：宝可梦形态多样，同类个体间存在姿态、颜色与背景的高度变异，且不同类别间可能具有相似视觉特征，如进化链中的过渡形态，这对模型区分细微差异的能力提出严峻考验。构建过程中，挑战主要集中于数据收集与标注的规范性：原始图像来源不一，需统一处理尺寸、质量与格式；同时，类别平衡性亦成问题，部分稀有宝可梦样本量较少，可能影响模型训练的泛化性能。

常用场景

经典使用场景

在计算机视觉领域，图像分类任务常需结构清晰、类别丰富的基准数据集。Dusduo/1stGen-Pokemon-Images数据集以其涵盖第一代宝可梦的143个类别，成为多类别图像分类模型训练与评估的经典选择。该数据集包含超过万张图像，每类样本数量均衡，为研究者提供了验证卷积神经网络（CNN）等模型在细粒度分类任务上性能的优质平台。

衍生相关工作

围绕该数据集，已衍生出多项探索性研究。例如，研究者利用其进行生成对抗网络（GAN）的创意实验，生成新颖的宝可梦风格图像；亦有工作专注于少样本学习，测试模型在部分类别数据稀缺时的分类性能。此外，该数据集常作为基准，用于比较不同深度学习架构在复杂多类分类任务上的效率与准确性，促进了模型优化与创新方法的涌现。

数据集最近研究

最新研究方向

在计算机视觉与游戏文化交叉领域，Dusduo/1stGen-Pokemon-Images数据集作为经典IP的视觉资源库，正推动生成式人工智能与细粒度图像识别的前沿探索。该数据集囊括初代宝可梦的多样图像，为风格迁移、角色生成等创意应用提供了丰富素材，尤其在扩散模型与生成对抗网络的训练中展现出独特价值。伴随元宇宙与数字藏品的热潮，此类数据集支撑着虚拟角色设计与跨媒体内容生成的技术实践，其影响延伸至娱乐科技与文化遗产数字化领域，为算法创新与产业应用搭建了桥梁。