一个注释的数据集图像的中国巨型
Xinyao Yang1, Junyi Chen1, Didi Lu2
1College of Intelligent Systems Science and Engineering, Hubei Minzu University, Enshi 445600, China.
Data in brief
|February 24, 2026
概括
研究人员创建了一个新的数据集,包含1386张临灭绝的中国巨型的图像. 这个数据集有助于深度学习模型监测和保护这种难以捉摸的物种.
科学领域:
- 保护生物学 保护生物学
- 计算机视觉 计算机视觉
- 野生动物监测 野生动物监测
背景情况:
- 中国巨是极度危的,由于其夜间行为和复杂的息地,在监测方面面临重大挑战.
- 视觉数据的有限可用性阻碍了对物种检测和保护的深度学习模型的开发.
- 现有的数据集不足以训练这种物种的强大的物体检测模型.
研究的目的:
- 构建和发布一个专门的,高质量的数据集,中国巨型.
- 促进基于深度学习的对象检测模型用于智能监控的培训和评估.
- 支持保护工作,并推进危物种的视觉识别技术.
主要方法:
- 收集了1386张图像的数据集,这些图像展示了各种现场场景中的中国巨型.
- 根据YOLO (你只看一次) 规范,共注释了1397个边界框.
- 在PASCAL VOC和COCO格式中提供了注释文件,以便与各种检测框架 (例如,YOLO v8,YOLO v11) 兼容.
主要成果:
- 一个针对中国巨型探测的综合数据集成功创建和发布.
- 数据集包括各种各样的,细致的注释图像,适合训练计算机视觉模型.
- 注释格式确保在领先的对象检测框架中广泛适用.
结论:
- 发布的数据集解决了中国巨型研究的关键数据短缺问题.
- 这一资源将加速人工智能驱动工具的开发,用于监测和保护危物种.
- 它促进了计算机视觉应用在野生动物保护生物学方面的进步.


