tjysdsg / birds

Scripts and documentation of Chinese bird image dataset

**鸟类图片数据集

数据来源

来源于Google Images, 用这个脚本 下载的

NOTE: you need to download chromedriver executable, and set the path to CHROME_DRIVER_PATH environment variable to run the script.

筛选

使用了预先训练好的mobilenet_v2 来自动筛选掉不包含鸟的图片, 并裁剪包含鸟的图片

代码在这里: auto-filter-data.ipynb

数据集结构

• bird_china_map_labeled.csv: 每种鸟类别的信息, 如英文名、中文名、稀有度等。 有些类别缺少数据
• bird_images.tar.gz: gzip压缩包, 包含如下文件夹结构:
  • 数据集根目录
    • 鸟类名字1
      • 图片1
      • 图片2
      • 图片3
      • ...
      • 图片n
    • 鸟类名字2
      • 图片1
      • 图片2
      • 图片3
      • ...
      • 图片n
    • ...
    • 鸟类名字N
      • 图片1
      • 图片2
      • 图片3
      • ...
      • 图片n
• archive.txt: 包含所有图片(相对于数据集根目录)的文件路径
• filtered_logs/: 所有图片的文件名, 对应的源网址。每个json文件都有如下格式:

  {
      图片文件名1: 网址1,
      图片文件名2: 网址2,
      ...
      图片文件名n: 网址n
  }
  

  子文件夹:
  • 鸟类名字1.json
  • 鸟类名字2.json
  • ...
  • 鸟类名字N.json

文件(夹)命名规则

• 鸟类名: 全部来自于bird_china_map_labeled.csv中的English Name列
• 鸟图片名: 鸟类名 + 下划线(_) + 编号(此编号和bird_china_map_labeled.csv中的ID一列无关)