鸟类分类、鸟类声音相关深度学习数据集大合集

最近收集了一大波和鸟类相关的图片、声音数据集，包含：鸟类分类、鸟类声音识别、鸟类和无人机分类、鸟类状态、鸟类行为等相关数据集。现在分享给大家！！

1、英国20大园林鸟类的图像数据集

20英国花园鸟类数据集提供了20个类别的3000张图片，每个物种有150张图片。两个图像子类型，带背景和不带背景，被分成20个子文件夹，每个物种包含75张图像，所有图像的形状[224,224,3]的格式为jpg格式。

数据集查看地址：https://www.dilitanxianjia.com/13844/

2、无人机和鸟分类数据集（1）

无人机和鸟类分类数据集，各有165张图片数据集介绍

识别天空中是否有鸟或无人机是识别天空中无人机的好方法

此数据集分别包含两个鸟类和无人机文件夹，其中包含天空中的鸟类和无人机图像。

这个数据集可以帮助人们区分无人机和鸟类。

每类有165张图片左右；

数据集查看地址：https://www.dilitanxianjia.com/13841/

3、鸟与无人机图片数据集数据（2）

识别天空中是否有鸟或无人机是识别天空中无人机的好方法

此数据集分别包含两个鸟类和无人机文件夹，其中包含天空中的鸟类和无人机图像。

这个数据集可以帮助人们区分无人机和鸟类。

每类有400张图片左右；

数据集查看地址：https://www.dilitanxianjia.com/13837/

4、鸟类群体行为数据集数据

集群行为是指鸟类、昆虫、鱼类或其他动物之间相互靠近的行为。它们能够以相同的速度作为一个群体移动，但不会撞到对方。

本数据集采用二进制分类，分类群的行为。

类标签是二进制的，其中1表示群集、分组和对齐，0表示不群集、不分组和不对齐。

目标变量:群体行为

数据类型:高维

分类类型:二元分类属性是xm，ym作为每个boid的X，Y)位置，xVeln，Veln作为速度量，xAm，yAm作为对齐矢量，xSm，ySm作为分离矢量xCm，yCm作为凝聚力矢量，nACM作为一些boids的半径对齐/凝聚力，和nSm作为一些boids的半径分离。对所有m个boid重复这些属性，其中m=1，.， 200。此外，类标签是二进制的，其中1表示群集、分组和对齐，0表示不群集、不分组和不对齐。

数据集查看地址：https://www.dilitanxianjia.com/13834/

5、2730 份鸟类声音数据集

收集来自世界各地的鸟类发声(鸟的声音)

数据集查看地址：https://www.dilitanxianjia.com/13831/

6、鸟类不同状态分类图像数据集

鸟类不同状态分类图像数据集

用于多类分类的鸟类摄影集

数据集包含不同尺寸的JPG图像

birds_annotation.csv包含对应于图像文件名的file_name和对应于多类的label

这里描述的四个类是:

1.飞行

2.在表面

3.站在高处

4.游水

标注已完成，是手动进行的。

数据集查看地址：https://www.dilitanxianjia.com/13828/

7、鸟叫（鸟鸣）数据集

鸟类使用叫声和歌声有很多目的:从吸引潜在的伴侣到宣示对领土的统治该数据集由一组平衡训练集和一组88种的测试集组成，它们被归类在61属中，这些光谱特征是从鸟类的歌声中提取出来的。

训练集中的每个物种可以统计20个数据点。169个特征都来自于对鸟类歌声的频谱分析训练集是平衡的。

数据集查看地址：https://www.dilitanxianjia.com/13825/

8、尼泊尔38种濒危鸟类照片数据集

尼泊尔38种濒危鸟类照片数据集

这个数据集包括尼泊尔38种濒危鸟类的照片。这些照片上的像素已缩放到224*224。以9:0.5:0.5的比例将数据集划分为训练集、验证集和测试集。

以下鸟类物种包括在这个数据集:蓝耳翠鸟alcedo meninting，黑麻(Dupetorflavicollis)，雅培氏鹅鹃 (Malacocincla abbotti)，蓝颈八色鹅 (Pitta nipalensis) 和阔嘴。Tickellia hodgsoni，卡崔斯wallichi，欢呼雉和栗文鸟Atricapilla lonchura，电影秃警Aegypius monachus，金大苦卤、大角鱼(Buceros Biornis)、大啄木鸟Mulleripicus粉状)、古尔德短喙(Brachypteryx Stellata)和白胸水芹(Stellata)、印度夜营(Caprimulus Asiaticus)、印度禾本科(Graminicola Bengalensis)、印度庭院(Cursorius Coromandelius)。

数据集查看地址：https://www.dilitanxianjia.com/13822/

9、金丝雀、喜鹊、嘲鹅、夜、罗宾、唐纳雀六种鸟类分类数据集

金丝雀、喜鹊、嘲鹅、夜、罗宾、唐纳雀六种鸟类分类数据集

这些鸣禽的照片是从GOOGLE上收集的

图像已经通过Keras框架的lmageDataGenerator函数增强

每种歌手鸟类型的图片都放在单独的文件夹中(压缩包格式)

这些文件夹分别包含原始图像和增强图像

每只鸟的增强图片数量为10000张。

数据集查看地址：https://www.dilitanxianjia.com/13819/

10、鸟类525类-图像分类

525种，84635列，2625测试，2625验证图片224X224X3jpg

525种鸟类的数据集。84635幅训练图像、2625幅测试图像(每个物种5幅图像)和2625幅验证图像(每个物种5幅图像。这是一个非常高质量的数据集，其中每张图像中只有一只鸟，鸟通常占据图像中至少50%的像素。因此，即使是中等复杂的模型，也能达到90%的训练和测试精度。注意:所有图片都是原创的，不是通过增强创建的

所有的图像是224X224X3彩色图像在ipg格式。数据集包括训练集、测试集和验证集。每套包含525个子目录，每种鸟类各有-个。数据集包括一个文件birds.CSV。这个Cvs文件包含5列。filepaths列包含相对于图像文件的文件路径。标签列包含与图像文件关联的鸟类类别名称。scientific标签列包含图像的拉丁学名。数据集列表示哪个数据集(训练、测试或有效)中驻留的文件路径。

数据集查看地址：https://www.dilitanxianjia.com/13816/

11、200种鸟类识别数据集数据（1）

该数据集包含200类鸟类的图像，共11800张图片；旨在帮助研究人员更好地了解如何分类不同的鸟类物种。包含分类和标注；每类有60张自然状态下的图片。

数据集查看地址：https://www.dilitanxianjia.com/13812/

12、200种不同的鸟类多类分类数据集(2)

这个数据集是一个复杂的多类分类问题的一个很好的例子。200个类，分为Train数据和Tet数据，其中每个类可以使用其文件夹名称进行标识。使用lmageNet预训练模型，此数据集将产生非常好的结果，因为数据集包含来自lmageNet的重叠图像。

数据集查看地址：https://www.dilitanxianjia.com/13808/

13、114种鸟类的声音数据集

114种鸟类的声音数据集

在这里，您可以找到114种不同鸟类的2161音频文件。

数据集内CSV文件有10个列。

具体介绍如下：

1.鸟的通用名

2.鸟的学名

3.录鸟叫声音的人

4.已录制音频的长度

5.记录日期

6.音频类型

7.特定于xcid的标识

8.录制时间

9.鸟的国家

10.下载link-链接到下载音频

数据集查看地址：https://www.dilitanxianjia.com/13805/

14、30种鸟类分类图像数据集

30种鸟类分类图像数据集

每类有图像100张左右

具体的鸟类类型如下：

• Order Anseriformes
• Order Apodiformes
• Order Apterygiformes
• Order Caprimulgiformes
• Order Casuariiformes
• Order Charadriiformes
• Order Ciconiiformes
• Order Coliiformes
• Order Columbiformes
• Order Coraciiformes
• Order Cuculiformes
• Order Falconiformes
• Order Galliformes
• Order Gaviiformes
• Order Gruiformes
• Order Passeriformes
• Order Pelecaniformes
• Order Phoenicopteriformes
• Order Piciformes
• Order Podicipediformes
• Order Procellariiformes
• Order Psittaciformes
• Order Pteroclidiformes
• Order Rheiformes
• Order Sphenisciformes
• Order Strigiformes
• Order Struthioniformes
• Order Tinamiformes
• Order Trogoniformes
• Order Turniciformes

数据集查看地址：https://www.dilitanxianjia.com/13801/

后续会持续给大家更新更多深度学习相关的数据集！！