Datensatzübersicht

Der Datensatz enthält 525 Vogelarten, 84.635 Trainingsbilder, 2.625 Testbilder und 2.625 Validierungsbilder.

Datenbereinigung und Qualitätssicherung

• Deduplizierung und Rauschunterdrückung: Verwenden Sie Analysetools, um den Datensatz zu bereinigen und doppelte oder nahezu doppelte Bilder sowie fehlerhafte und Bilder mit geringem Informationsgehalt zu entfernen.
• Datensatzisolierung: Stellen Sie sicher, dass zwischen den Trainings-, Test- und Validierungsdatensätzen kein Informationsverlust auftritt.

Datensatzmerkmale

• Bildqualität: Die Bilder sind original und unbearbeitet, mit nur einem Vogel in jedem Bild, der normalerweise mindestens 50%-Pixel einnimmt.
• Erwartete Leistung: Bei Modellen mittlerer Komplexität wird eine Trainings- und Testgenauigkeit von etwa 90% erwartet.

Technische Daten

• Bildgröße: Alle Bilder sind im JPG-Format 224 x 224 x 3 Farben.
• Datensatzstruktur: Enthält Trainingssatz, Testsatz und Validierungssatz, jeder Satz enthält 525 Unterverzeichnisse, jedes Unterverzeichnis entspricht einer Vogelart.

Empfehlungen zur Verwendung des Datensatzes

• Datengenerator: Es wird empfohlen, zum Erstellen des Datengenerators Keras ImageDataGenerator.flow_from_directory zu verwenden.
• Unterstützende Dateien: Der Datensatz enthält eine bird.csv Datei mit Bildpfad, Bezeichnung, wissenschaftlichem Namen, Datensatztyp und Klassenindexwert.

Datenerhebung und -verarbeitung

• Bildquelle: Durch Internetsuche gesammelt, doppelte oder nahezu doppelte Bilder nach dem Herunterladen geprüft und gelöscht.
• Bildverarbeitung: Schneiden Sie das Bild zu und ändern Sie seine Größe, um sicherzustellen, dass das Vogelbild mindestens 50% Pixel umfasst.

Datensatzbeschränkungen

• Empfehlungen zur Bildgröße: Es wird empfohlen, eine Bildgröße von 150 x 150 x 3 zu verwenden, um die Trainingszeit zu verkürzen.
• Dokumentnummer: Alle Dateien sind nach Art nummeriert und Trainingsbilder werden mit Nullen aufgefüllt, um die Reihenfolge beizubehalten.
• Unausgewogener Datensatz: Die Anzahl der Bilder jeder Art im Trainingssatz variiert, aber es gibt mindestens 130 Bilder.
• Geschlechtsspezifische Voreingenommenheit: Etwa 80% der Bilder sind männlich und 20% sind weiblich, was dazu führen kann, dass der Klassifikator bei weiblichen Bildern eine schlechte Leistung erbringt.