从生态和环境的角度来看，监测鸟类多样性是一项重要的任务。尽管鸟类监测是一个公认的过程，但是观察工作主要是手动进行，这很耗时，因此可伸缩性很低。这激发了使用机器学习方法，使用相机陷阱数据，记录的数据或众包来分析鸟类图像和声音的动机。在这一挑战中，鸟类图像分类任务（特别是对于喜马拉雅鸟类）基于有限但多样的人群来源数据集。
bird species classification_datasets.txt
bird species classification_datasets.zip
2021-05-08 16:28:37
1.37GB
1
本文件为鸟类图像数据，共含有七种不同的鸟类图像 ，每一种均有大量的图像数据，下载后可以直接使用，简单便捷，适用于深度学习的图像分类和图像识别的研究学习工作。
2021-04-16 14:07:57
27.55MB
1
鸟类
使用转移学习找出图片中是否包含笑翠鸟或凤头鹦鹉
与Kaggle猫与狗比赛相似，我决定使用神经网络对Kookaburras和Cockatoos进行分类（所以这更像澳大利亚！）
该模型内置于“ Birds-model”笔记本中，并基于Inception v3模型构建
测试数据集中模型的准确性为96％。
2021-02-22 10:05:35
36KB
1
深度学习-鸟类的细粒度分类：深度学习的简单尝试：鸟类的细粒度分类。 有关更多详细信息，请参见https：//www.kaggle.comtf0614880cd3f40d9919dfecb808b004a
2021-02-18 11:05:58
604KB
1
Bird Flock Bundle中的每种鸟类都提供相应的材质、模型、预制件、场景、音效和纹理，模型都是低多边形模型，性能消耗较低。
2020-01-11 03:07:50
71B
1
BIRDS PACK1.02 共七种鸟类附带动画；BIRDS PACK1.02 共七种鸟类附带动画；BIRDS PACK1.02 共七种鸟类附带动画；BIRDS PACK1.02 共七种鸟类附带动画
2020-01-03 11:40:26
67.68MB
1