猫品种图像分类数据集

数据预览

数据交付

本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。

数据集介绍

【数据集名称】猫品种图像分类数据集 【门类归属】动物 / 哺乳动物 【数据类型与任务】图像；多分类（猫品种） 【数据规模】11284 张图像 【文件格式】JPG 图片 【压缩包大小】下载压缩包约 40.3 MB 【数据划分】未预先划分训练集/验证集/测试集，使用时可自行按比例划分；全部数据按 66 个类别文件夹存放，一个文件夹一个类别。 【标签或字段】有标签：每张图像存放在以类别名命名的文件夹里，文件夹名就是这张图的类别；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：随机抽取 80 张实测，宽度 93~162 像素、高度 50~140 像素，属于偏小尺寸的图片。标注方式：每张图片所在文件夹的名字就是它的类别，不需要额外的标注文件。 【目录结构】 cat-breeds.zip（解压后） ├── cat-breeds/cat-breeds/abyssinian/ —— .jpg×200 ├── cat-breeds/cat-breeds/american_bobtail/ —— .jpg×140 ├── cat-breeds/cat-breeds/american_curl/ —— .jpg×137、.png×1 ├── cat-breeds/cat-breeds/american_shorthair/ —— .jpg×199 ├── cat-breeds/cat-breeds/american_wirehair/ —— .jpg×196 ├── cat-breeds/cat-breeds/balinese/ —— .jpg×195 └── …… 共 66 个子目录（完整清单见 file-manifest.csv） dataset_stats.csv 【怎么使用】 图片已经按类别分好了文件夹，文件夹的名字就是图片的类别，不需要额外的标注文件。做深度学习的话，用 PyTorch 两行代码就能全部读入： from torchvision.datasets import ImageFolder ds = ImageFolder("cat-breeds/cat-breeds") # 66 个类别子目录，目录名即类别 print(len(ds.classes)) 每个类别有多少张图片，见压缩包内的 file-manifest.csv。 【数据体检结果】 · 数据里有 57 张图片是完全一模一样的重复图（文件内容完全相同），训练模型前建议清理掉多余副本。

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 / 哺乳动物（依据《数据集中文分类体系》） 中文命名：猫品种图像分类数据集（原始名称 nikolasgegenava/cat-breeds） 已知问题：同子集内完全重复图像 57 张（内容哈希相同） 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）。