牛只检测与识别数据集 | 牛只检测 个体识别 智慧畜牧 自监督学习9118期数据集概述本数据集专注于牛只个体的检测、定位与身份识别服务于智慧畜牧、牲畜档案管理及行为研究。数据采集自英国布里斯托大学农场涵盖荷斯坦-弗里生奶牛的俯视影像适配个体识别、牛群管理及自监督学习等应用。数据集核心信息数据要素详细说明类别共1类牛躯干数量42422张图像含无标注图像13178个标注对象格式图像为 RGB1280×720标签为边界框标注VOC 风格可转换为 YOLO txt数据划分识别任务训练集 23350 张、测试集 8670 张检测与定位任务训练集 7248 张、验证集 1023 张、测试集 2131 张应用价值1.个体识别基于牛只黑白花纹实现个体身份确认辅助精准养殖与档案管理。2.牛群监测支撑牛只检测、计数与行为分析评估牛群活动状态。3.自监督研究为视频自监督学习、度量学习等前沿算法提供真实农业场景基准。4.算法研发为动物检测、细粒度识别等视觉任务提供大规模训练与评测数据。完整类别列表共1类序号中文类别名称英文对照标注对象数1牛躯干cattle torso13178数据三要素解析类别与目标覆盖数据集定义1个核心类别牛躯干cattle torso聚焦于牛只身体主体的定位与识别。标注遵循 VOC 2012 目标标注规范仅标注可见的牛躯干实例排除头部、颈部、腿部和尾部。标注框总数达13178个平均每张图像约含1.27个目标属于稀疏标注场景。数据集包含182个个体身份标注另含4头纯黑牛被排除在身份研究之外。数据规模与采集图像总量42422张含75% 无标注图像涵盖10402张有标注图像规模庞大。图像分辨率为1280×720像素8位 RGB 通道采集自俯视视角。采集设备为 Intel D435 相机安装于地面4米高处俯瞰挤奶厅与待挤圈之间的通道。数据采集周期为挤奶后一个月由运动触发录制分布符合农场自然运营规律。格式与结构提供边界框标注可直接用于目标检测任务训练。包含5个数据划分识别任务训练/测试与检测定位任务训练/验证/测试适配不同研究需求。识别任务的图像包含cow_id信息支持个体识别研究。附带301段视频每段 5.5 秒30fps包含轨迹片段tracklet标注支持视频自监督学习研究。知识普及牛只个体识别与自监督学习的技术要点花纹特征识别荷斯坦-弗里生奶牛具有独特的黑白花纹类似于人类指纹可用于个体身份识别。模型需学习花纹的空间分布与纹理特征。自监督学习框架数据集提出利用视频中花纹外观的时间一致性作为自监督信号。通过个体无关的检测器生成旋转归一化的轨迹片段构建正负样本对采用帧三元组对比学习构建度量潜在空间。俯视视角优势4米高俯视视角可完整捕捉牛背花纹减少遮挡有利于个体识别。类别不平衡个体出现次数差异大均值77.5标准差39.9需采用加权采样或度量学习策略。应用闭环个体识别结果可结合采食、产奶等生产数据构建牛只全生命周期档案服务于精准养殖与育种管理。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:1names:[cattle_torso]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签牛只检测个体识别智慧畜牧自监督学习目标检测YOLO格式深度学习数据集计算机视觉