Select Language

AI社区

公开数据集

175种鸟类的数据集 包含23657个训练图像

175种鸟类的数据集 包含23657个训练图像

1.88G
1355 浏览
1 喜欢
29 次下载
0 条讨论
Environment,Environment 2D Box

175种鸟类的数据集。23657个训练图像,875个测试图像(每个物种5个)和875个验证图像(每个物种5个)。所有图像均为jpg格式的224......

数据结构 ? 1.88G

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    175种鸟类的数据集。23657个训练图像,875个测试图像(每个物种5个)和875个验证图像(每个物种5个)。
    所有图像均为jpg格式的224 X 224 X 3彩色图像,还包括jpg格式的“合并”图像集,该图像集将训练,测试和验证图像到一个单一的数据集中,这对想要创建自己的训练,测试和验证集的用户很有用,
    每种物种的图像都包含在单独的子目录中,如果您使用来自目录的Keras流作为实现输入数据。
    图片是通过互联网搜索按物种名称收集的。一旦下载了某个物种的图像文件,就使用我开发的python重复图像检测程序检查它们是否存在重复图像。删除所有检测到的重复项,以防止它们成为训练,测试和验证集之间的通用图像。
    之后,将图像裁切,以使鸟类至少占据图像中像素的50%。然后将图像调整为jpg格式的224 X 224 X3。裁剪可确保在被CNN处理时,它们在图像中具有足够的信息以创建高度准确的分类器。每个文件的所有文件也按顺序编号。因此,测试图像被命名为1.jpg至5.jpg。对于验证图像也是如此。训练图像也使用“零”填充顺序编号。例如001.jpg,002.jpg….010.jpg,011.jpg…..099.jpg,100jpg,102.jpg等。零值填充可与python文件功能一起使用,并保留目录中的Keras流。
    训练集不平衡,每个物种的文件数不等。但是,每个物种至少都有100个训练图像文件。这种不平衡不会影响我的内核分类器,因为它在测试集上达到了98%以上的准确性。
    数据集中的一个重大失衡是雄性物种图像与雌性物种图像的比率。大约80%的图像是男性,而20%是女性。典型的雄性的颜色要多样化得多,而一个物种的雌性通常是平淡的。因此,雄性和雌性图像看起来可能完全不同。几乎所有测试和验证图像均来自该物种的雄性。因此,分类器在女性物种图像上的表现可能不佳。
    数据集中还包括经过训练的模型文件BIRDS-224-175-98.62.h5和文本文件BIRDS-175.txt。这些文件与伴随的Predictor程序结合使用,该程序使用这些文件使用经过训练的模型对输入图像进行预测。文件夹预测变量测试集包含101个Predictor程序可以预测的测试图像。我将很快发布预测程序。最后,有一个文件错误列表98.62.txt,其中显示了该模型在875个测试图像上具有的测试集上的错误列表。


    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:10 去赚积分?
    • 1355浏览
    • 29下载
    • 1点赞
    • 收藏
    • 分享