wildlife-datasets

统一动物重识别数据集，加载即用，评测可比

WildlifeDatasets 是一个面向动物个体重识别（animal re-identification）的开源工具包与数据集集合，主要服务于生态学、保护生物学和机器学习研究者。它把分散在论文与各实验室的动物图像数据集统一整理成标准格式，提供一致的加载接口、元数据与评测协议，解决数据难找、格式不一、评测不可比的问题。核心能力包括：内置多个物种（如斑马、鲸鱼、狐猴等）的图像数据集与身份标注，配套 PyTorch 风格的数据加载与预处理流程，支持训练、验证与跨数据集评测，并提供基线模型与指标，方便快速复现与对比。项目以 Jupyter Notebook 为主，便于上手和可视化探索，适合做动物重识别算法研究、生态监测模型开发与教学演示。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 200

维护状态活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队WildlifeDatasets

所属国家

官网地址https://wildlifedatasets.github.io/wildlife-datasets

GitHubhttps://github.com/WildlifeDatasets/wildlife-datasets

定价模式free

价格说明开源免费工具包，提供动物重识别数据集

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Jupyter Notebook

技术栈/模型dataset,datasets,deep-learning,ecology,ecology-modelling,machine-learning

GitHub 星标★ 200

30天Star增速

HF 下载量

上线时间2022-10-05 00:00:00

最近更新2026-09-18 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-21

浏览次数0

使用教程

核心亮点

把多个物种的动物重识别数据集统一成一致格式，省去逐篇论文找数据、写解析脚本的重复劳动
提供标准化的数据加载与评测接口，让不同方法的精度结果可以直接横向比较
以 Notebook 为主，附带示例流程，新用户能快速跑通训练与评估

不足之处

数据集规模与物种覆盖仍有限，部分冷门物种或最新公开数据可能未收录
作为早期项目，文档与社区生态相对薄弱，长期维护和更新频率有待观察

适用场景

生态学家用现成数据集训练动物个体识别模型，用于野外种群监测
算法研究者做动物重识别方法对比实验，直接复用统一评测协议
高校课程或入门项目用 Notebook 演示深度学习在生态保护中的应用

替代项目

MegaDescriptor、AnimalReID、WildlifeReID

项目介绍

wildlife-datasets 是数据集领域的开源项目，由 WildlifeDatasets 开发，2022 年首次发布。

它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 200。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-18。开源免费工具包，提供动物重识别数据集。

它主要面向的使用场景是：生态学家用现成数据集训练动物个体识别模型，用于野外种群监测。同类可对比的替代方案包括 MegaDescriptor、AnimalReID、WildlifeReID。

上一篇：lerobot-dataset-visualizer

下一篇：Minari