鱼类数据集（2）
见 README_中文.md。
数据预览
配套入门案例
含逐步教程、源码、模型、本机界面和实验记录。沿用数据集获取权限，不额外收费。
查看配套案例 →数据集介绍
【数据集名称】鱼类数据集（2） 【门类归属】动物 / 海洋生物 【数据类型与任务】图像；目标检测（COCO 标注） 【数据规模】575 张图像 / 716 个标注框 【文件格式】JPG 图片（附标注/说明文件） 【压缩包大小】下载压缩包约 28.2 MB 【数据划分】已划分 —— 训练集 458 张（含 550 个标注框）；验证集 67 张（含 82 个标注框）；测试集 50 张（含 84 个标注框）。 【标签或字段】有标注：采用 COCO 目标检测格式（每张图带目标框坐标）；类别及各类别标注框数——fish(0)、Amphiprion-percula(61)、Blue-Tang(2)、Brain coral(28)、Yellow-Tang(81)、clown fish(101)、clownfish(319)、moorish-idol(124)；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】图像尺寸不统一（每张图大小不同），具体尺寸清单见压缩包内的详细说明文件 README_中文.md。标注方式：附带 COCO 格式标注文件（每张图带目标框坐标）。各类别标注框数量：fish 0 个、Amphiprion-percula 61 个、Blue-Tang 2 个、Brain coral 28 个、Yellow-Tang 81 个、clown fish 101 个、clownfish 319 个、moorish-idol 124 个。 【目录结构】 v4-coco.zip（解压后） ├── test/ —— .jpg×50、.json×1 ├── train/ —— .jpg×458、.json×1 └── valid/ —— .jpg×67、.json×1 README.dataset.txt README.roboflow.txt 【怎么使用】 每张图片配了一个 JSON 标注文件（训练/验证/测试各一份），里面记录了图中目标的位置框和类别，这是目标检测领域最通用的 COCO 格式。用 Python 的 pycocotools 库就能读取： from pycocotools.coco import COCO coco = COCO("train/_annotations.coco.json") # train/valid/test 各有一份标注 JSON img_ids = coco.getImgIds() anns = coco.loadAnns(coco.getAnnIds(imgIds=img_ids[0])) 框坐标是 [x, y, w, h] 像素值；类别编号对应类别表，中英对照见压缩包内的 data-dictionary.csv。 【数据体检结果】 · 4 张图像无任何标注（负样本或漏标，需人工确认含义）
整理与使用信息
本站处理内容
本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。
中文整理说明
门类：动物 / 海洋生物（依据《数据集中文分类体系》） 中文命名：鱼类数据集（2）（原始名称 thedreamteam/fishes-esnmx） 已知问题：4 张图像无任何标注（负样本或漏标，需人工确认含义） 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。