Therefore, this article focuses on the research needs of deep learning based fine recognition tasks and constructs a high-resolution bird image dataset. The dataset contains a total of 200 classes of different birds, with 60 images for each class, totaling 12000 bird images.

2024年4月13日 · yub-200是一个用于细粒度识别的鸟类图像数据集。 该数据集一共包含200种鸟类，每种鸟类包含60幅图像，总共12000幅图像。 YUB-200中的每一幅图像都提供以下类别的人工标注信息：

图像分类是 计算机视觉 的最基础的一个任务，从最开始的入门级的 mnist 手写数字识别、猫狗图像二分类到后来的imagenet任务。 图像分类 模型 随着数据集的增长，一步步提升到了今天的水平。 计算机的图像分类水准已经超过了人类。 在这里我把图像分类任务分为了两种，一种是单标签的图像分类任务，一种是多标签的图像分类任务。 多标签的图像分类任务，更加符合人们的认知习惯。 因为现实生活中的图片往往会包含多个类别物体。 而在单标签的图像分类任务中又可以 …

2022年9月14日 · The main contribution of this paper is to extend the wild bird dataset YUB-200-2017 of Yunnan Province (named YUB-400-2021), which now has 400 bird species and 24,000 bird images involving 15 orders, 57 families, and 178 genera.

In order to perform fine-grained recognition on bird images, this paper proposes a deepconvolution neural networks model collaborated with semantic parts detection. The model consists of twomodules, one module is a parts detector network, and another module is a three-stream classification networkbased on deep residual network.

2019年5月25日 · 收集了一个新的鸟 类图像数据集yub-200-2017, 用于鸟类图像细粒度识别实验. 结果表明, 在yub-200-2017 和cub-200-2011 数据集 上, 文中方法具有较高的语义部件检测精度和识别准确率.

由于子类别的高度相似性引起的类间微小差异,以及姿态、尺度和旋转方面的类内变化,使得细粒度图像识别成为一个具有挑战性的计算机视觉问题.为了对鸟类图像进行细粒度识别,提出一种联合语义部件的深度卷积神经网络模型.该模型由2个子网络组成:一个是语义 ...

Proceedings of the IEEE international conference on computer vision, 1389-1397, 2017

2024年4月16日 · yub-200是一个用于细粒度识别的鸟类图像数据集。 该数据集一共包含200种鸟类，每种鸟类包含60幅图像，总共12000幅图像。 从200个类别中随机选取一幅鸟类图像合成的图像如下图所示。

2023年9月17日 · YUB-200-2017数据集是一个由国际电联ITU-T组织提供的大规模网络流量数据集。 该数据集收集了2017年全球范围内的网络流量信息，并提供了广泛的数据分析和研究。 数据集包含大量关于网络连接、通信协议、数据包大小、交互行为等方面的信息。 YUB-200是该数据集的一个子集，以200种常见网络应用为单位进行了分类和整理。 YUB-200-2017数据集的使用具有广泛的应用价值。 首先，研究人员可以使用该数据集来分析全球网络流量的特征和趋势。 如通 …