引文：

@article{wah2011caltech, title={The caltech-ucsd birds-200-2011 dataset}, author={Wah, Catherine and Branson, Steve and Welinder, Peter and Perona, Pietro and Belongie, Serge}, year={2011}, publisher={California Institute of Technology} }

地址：数据集-OpenDataLab

Caltech-UCSD Birds-200-2011 (CUB-200-2011) 数据集是用于细粒度视觉分类任务的最广泛使用的数据集。它包含属于鸟类的 200 个子类别的 11,788 张图像，其中 5,994 张用于训练，5,794 张用于测试。每个图像都有详细的注释：1 个子类别标签、15 个部分位置、312 个二进制属性和 1 个边界框。文本信息来自 Reed 等人。他们通过收集细粒度的自然语言描述来扩展 CUB-200-2011 数据集。为每个图像收集十个单句描述。自然语言描述是通过 Amazon Mechanical Turk (AMT) 平台收集的，要求至少 10 个单词，没有任何子类别和动作信息。

1. 数据集概览

• 数据量：总计包含 11,788 张鸟类图像。
  • 训练集：5,994 张图像，用于模型训练。
  • 测试集：5,794 张图像，用于模型测试和评估。
• 类别：覆盖 200 个鸟类子类别，每个类别对应一个特定物种。

2. 数据标注

CUB-200-2011 数据集提供了丰富且详细的标注信息，适用于多种任务：

1. 子类别标签：
   • 每张图像标注了所属的鸟类子类别。
   • 支持细粒度分类任务，区分外观相似的物种。
2. 部分位置（15 个点）：
   • 提供鸟类的关键部位坐标（例如喙、翅膀、尾巴等），适用于关键点检测任务。
3. 二进制属性（312 个）：
   • 每张图像包含 312 个二进制属性标注，例如羽毛颜色、腿的长度等，用于属性预测任务。
4. 边界框：
   • 提供每只鸟的边界框，用于目标检测任务。

3. 扩展文本信息

由 Reed 等人 扩展，CUB-200-2011 包括为每张图像收集的自然语言描述，旨在结合视觉和语言研究。扩展特性包括：

1. 自然语言描述：
   • 每张图像附有 10 条单句描述，通过 Amazon Mechanical Turk (AMT) 平台收集。
   • 描述特点：
     • 每条描述至少包含 10 个单词。
     • 避免直接包含鸟类子类别或动作信息。
   • 示例描述：“This bird has a white belly and a long, pointed beak.”
2. 多模态任务支持：
   • 文本描述结合图像用于跨模态任务，例如图像-文本匹配、图像生成和细粒度描述生成。

4. 应用场景

CUB-200-2011 数据集广泛用于以下研究领域：

1. 细粒度视觉分类：
   • 解决视觉上难以区分的物种分类问题。
2. 关键点检测：
   • 根据 15 个部位标注，用于鸟类关键点定位研究。
3. 属性预测：
   • 基于 312 个二进制属性，研究对象特征的精细化分析。
4. 目标检测：
   • 通过边界框标注，用于鸟类的目标检测任务。
5. 跨模态学习：
   • 将图像和文本结合，研究图像-文本对齐、文本生成和跨模态检索。
6. 生成模型研究：
   • 基于文本描述生成鸟类图像，推动生成对抗网络（GANs）等生成模型的发展。

5. 数据集的优势

• 细粒度标注：提供丰富的细节，适合多任务学习。
• 文本扩展：通过自然语言描述，增强跨模态任务支持。
• 应用广泛：既支持计算机视觉研究，也适用于自然语言处理和跨模态研究。

后续如果要做多模态或者多源数据挖掘的时候，可以用这个数据集，记录一下。。。