admin 40种蝴蝶飞蛾图像数据集
40种蝴蝶飞蛾图像数据集 一、数据集概述 来自 Kaggle 平台的数据集：40种蝴蝶飞蛾图像数据集，具体内容请参考以下数据详情章节。
二、基本信息 属性 值 数据集名称 40种蝴蝶飞蛾图像数据集 三、数据内容详情 文件夹结构 本数据集包含 3 个子文件夹，共计 13,594 个文件。
其中：图片 13,594 张。
文件夹：test 类型 数量 / 内容 文件总数 500 个 图片文件 500 张 包含子文件夹 ADONIS、AFRICAN GIANT SWALLOWTAIL、AMERICAN SNOOT、AN 88、APPOLLO、ARCIGERA FLOWER MOTH、ATALA、ATLAS MOTH、BANDED ORANGE HELICONIAN、BANDED PEACOCK… 文件夹：train 类型 数量 / 内容 文件总数 12,594 个 图片文件 12,594 张 包含子文件夹 ADONIS、AFRICAN GIANT SWALLOWTAIL、AMERICAN SNOOT、AN 88、APPOLLO、ARCIGERA FLOWER MOTH、ATALA、ATLAS MOTH、BANDED ORANGE HELICONIAN、BANDED PEACOCK… 文件夹：valid 类型 数量 / 内容 文件总数 500 个 图片文件 500 张 包含子文件夹 ADONIS、AFRICAN GIANT SWALLOWTAIL、AMERICAN SNOOT、AN 88、APPOLLO、ARCIGERA FLOWER MOTH、ATALA、ATLAS MOTH、BANDED ORANGE HELICONIAN、BANDED PEACOCK… 数据统计汇总 统计项 数值 子文件夹数 3 个 总文件数 13,594 个 图片总数 13,594 张 CSV数据总行数 13,609 行 文件: butterflies and moths.csv 属性 值 记录数 13,594 行 字段数 4 个 文件大小 709.69 KB 字段说明 字段名 中文含义 说明 class id class id filepaths filepaths labels labels data set data set 数据样本（前3行） class id filepaths labels data set 0 train/ADONIS/001.jpg ADONIS train 0 train/ADONIS/002.jpg ADONIS train 0 train/ADONIS/003.jpg ADONIS train 文件: training.csv.csv 属性 值 记录数 15 行 字段数 7 个 文件大小 1.78 KB 字段说明 字段名 中文含义 说明 Epoch Epoch loss loss accuracy accuracy F1_score F1_score val_loss val_loss val_accuracy val_accuracy val_F1_score val_F1_score 数据样本（前3行） Epoch loss accuracy F1_score val_loss val_accuracy val_F1_score 1 5.22620964050293 0.7529000043869019 0.665161669254303 2.0017786026000977 0.9380000233650208 0.9292449951171875 2 1.4350088834762573 0.9466500282287598 0.9129009246826172 0.9752090573310852 0.9539999961853027 0.947070300579071 3 0.8573551774024963 0.9713000059127808 0.956363320350647 0.7655476331710815 0.9599999785423279 0.9538812041282654 图像数据 • 图片总数: 约 13,594 张 • 图片格式: JPG / PNG • 数据组织方式: 按类别文件夹分类（文件夹名即为类别标签） 数据集示例图片 示例图片 1: 051.jpg 示例图片 2: 105.jpg 四、数据类型与标注情况 属性 说明 数据格式 CSV (逗号分隔值) 数据类型 结构化表格数据 标注情况 字段即标签，无额外标注需求 数据格式 JPEG / PNG 图像 数据类型 非结构化图像数据 标注情况 文件夹名称即为类别标签（已标注） 五、应用场景 • 数据探索与可视化分析 • 机器学习模型训练与验证 • 统计分析与报告生成 • 学术研究与教学实践 六、使用建议 • 使用前请进行必要的数据清洗和预处理 • 建议在使用前仔细查看数据集原始说明文档 • 图像数据集建议使用数据增强技术以提升模型泛化能力 • 训练前请确认图片分辨率和类别分布是否均衡 • 表格数据请先检查缺失值、异常值等数据质量问题
