数据集概述
本数据集围绕基于图像的自动物种识别研究，聚焦虚拟数据增强方法能否解决样本不足问题。包含四类图像数据集（金龟子生殖器、蜜蜂翅纹、牛心凤蝶翅纹），通过图像旋转、GAN生成、特征空间过采样等增强手段，结合VGG-16特征提取与降维处理，验证增强方法对识别准确率的提升效果。
文件详解
- 文件名称：doi_10.1093_dryad_syab048v2.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包包含四类图像数据集（金龟子属Pleophylla、Schizonycha生殖器图像，蜜蜂属Osmia翅纹图像，凤蝶属Parides翅纹图像），以及数据增强处理相关的中间结果与实验对比数据（未提供具体字段映射，需解压后查看内部文件结构）
数据来源
Dryad数字仓储（DOI: 10.1093/dryad/syab048v2）
适用场景
- 生物物种自动识别研究：用于测试和优化基于图像的物种识别算法，尤其是样本稀缺物种的识别模型
- 数据增强方法验证：评估虚拟数据增强技术（GAN生成、特征空间过采样等）在生物图像识别中的效果
- 机器学习模型优化：分析特征降维（PCA）、卷积神经网络（VGG-16）在物种图像识别中的应用价值
- 生物形态学研究：对比传统形态测量方法（Procrustes分析）与机器学习方法的物种识别性能差异
