遇见数据集

BangumiBase/koitouso

收藏
Hugging Face2024-03-20 更新2024-03-04 收录
官方服务:

资源简介:

--- license: mit tags: - art size_categories: - 1K<n<10K --- # Bangumi Image Base of Koi To Uso This is the image base of bangumi Koi to Uso, we detected 22 characters, 1550 images in total. The full dataset is [here](all.zip). **Please note that these image bases are not guaranteed to be 100% cleaned, they may be noisy actual.** If you intend to manually train models using this dataset, we recommend performing necessary preprocessing on the downloaded dataset to eliminate potential noisy samples (approximately 1% probability). Here is the characters' preview: | # | Images | Download | Preview 1 | Preview 2 | Preview 3 | Preview 4 | Preview 5 | Preview 6 | Preview 7 | Preview 8 | |:------|---------:|:---------------------------|:-------------------------------|:-------------------------------|:-------------------------------|:-------------------------------|:-------------------------------|:-------------------------------|:-------------------------------|:-------------------------------| | 0 | 549 | [Download](0/dataset.zip) | ![preview 1](0/preview_1.png) | ![preview 2](0/preview_2.png) | ![preview 3](0/preview_3.png) | ![preview 4](0/preview_4.png) | ![preview 5](0/preview_5.png) | ![preview 6](0/preview_6.png) | ![preview 7](0/preview_7.png) | ![preview 8](0/preview_8.png) | | 1 | 28 | [Download](1/dataset.zip) | ![preview 1](1/preview_1.png) | ![preview 2](1/preview_2.png) | ![preview 3](1/preview_3.png) | ![preview 4](1/preview_4.png) | ![preview 5](1/preview_5.png) | ![preview 6](1/preview_6.png) | ![preview 7](1/preview_7.png) | ![preview 8](1/preview_8.png) | | 2 | 17 | [Download](2/dataset.zip) | ![preview 1](2/preview_1.png) | ![preview 2](2/preview_2.png) | ![preview 3](2/preview_3.png) | ![preview 4](2/preview_4.png) | ![preview 5](2/preview_5.png) | ![preview 6](2/preview_6.png) | ![preview 7](2/preview_7.png) | ![preview 8](2/preview_8.png) | | 3 | 11 | [Download](3/dataset.zip) | ![preview 1](3/preview_1.png) | ![preview 2](3/preview_2.png) | ![preview 3](3/preview_3.png) | ![preview 4](3/preview_4.png) | ![preview 5](3/preview_5.png) | ![preview 6](3/preview_6.png) | ![preview 7](3/preview_7.png) | ![preview 8](3/preview_8.png) | | 4 | 12 | [Download](4/dataset.zip) | ![preview 1](4/preview_1.png) | ![preview 2](4/preview_2.png) | ![preview 3](4/preview_3.png) | ![preview 4](4/preview_4.png) | ![preview 5](4/preview_5.png) | ![preview 6](4/preview_6.png) | ![preview 7](4/preview_7.png) | ![preview 8](4/preview_8.png) | | 5 | 140 | [Download](5/dataset.zip) | ![preview 1](5/preview_1.png) | ![preview 2](5/preview_2.png) | ![preview 3](5/preview_3.png) | ![preview 4](5/preview_4.png) | ![preview 5](5/preview_5.png) | ![preview 6](5/preview_6.png) | ![preview 7](5/preview_7.png) | ![preview 8](5/preview_8.png) | | 6 | 11 | [Download](6/dataset.zip) | ![preview 1](6/preview_1.png) | ![preview 2](6/preview_2.png) | ![preview 3](6/preview_3.png) | ![preview 4](6/preview_4.png) | ![preview 5](6/preview_5.png) | ![preview 6](6/preview_6.png) | ![preview 7](6/preview_7.png) | ![preview 8](6/preview_8.png) | | 7 | 10 | [Download](7/dataset.zip) | ![preview 1](7/preview_1.png) | ![preview 2](7/preview_2.png) | ![preview 3](7/preview_3.png) | ![preview 4](7/preview_4.png) | ![preview 5](7/preview_5.png) | ![preview 6](7/preview_6.png) | ![preview 7](7/preview_7.png) | ![preview 8](7/preview_8.png) | | 8 | 173 | [Download](8/dataset.zip) | ![preview 1](8/preview_1.png) | ![preview 2](8/preview_2.png) | ![preview 3](8/preview_3.png) | ![preview 4](8/preview_4.png) | ![preview 5](8/preview_5.png) | ![preview 6](8/preview_6.png) | ![preview 7](8/preview_7.png) | ![preview 8](8/preview_8.png) | | 9 | 46 | [Download](9/dataset.zip) | ![preview 1](9/preview_1.png) | ![preview 2](9/preview_2.png) | ![preview 3](9/preview_3.png) | ![preview 4](9/preview_4.png) | ![preview 5](9/preview_5.png) | ![preview 6](9/preview_6.png) | ![preview 7](9/preview_7.png) | ![preview 8](9/preview_8.png) | | 10 | 25 | [Download](10/dataset.zip) | ![preview 1](10/preview_1.png) | ![preview 2](10/preview_2.png) | ![preview 3](10/preview_3.png) | ![preview 4](10/preview_4.png) | ![preview 5](10/preview_5.png) | ![preview 6](10/preview_6.png) | ![preview 7](10/preview_7.png) | ![preview 8](10/preview_8.png) | | 11 | 12 | [Download](11/dataset.zip) | ![preview 1](11/preview_1.png) | ![preview 2](11/preview_2.png) | ![preview 3](11/preview_3.png) | ![preview 4](11/preview_4.png) | ![preview 5](11/preview_5.png) | ![preview 6](11/preview_6.png) | ![preview 7](11/preview_7.png) | ![preview 8](11/preview_8.png) | | 12 | 25 | [Download](12/dataset.zip) | ![preview 1](12/preview_1.png) | ![preview 2](12/preview_2.png) | ![preview 3](12/preview_3.png) | ![preview 4](12/preview_4.png) | ![preview 5](12/preview_5.png) | ![preview 6](12/preview_6.png) | ![preview 7](12/preview_7.png) | ![preview 8](12/preview_8.png) | | 13 | 25 | [Download](13/dataset.zip) | ![preview 1](13/preview_1.png) | ![preview 2](13/preview_2.png) | ![preview 3](13/preview_3.png) | ![preview 4](13/preview_4.png) | ![preview 5](13/preview_5.png) | ![preview 6](13/preview_6.png) | ![preview 7](13/preview_7.png) | ![preview 8](13/preview_8.png) | | 14 | 47 | [Download](14/dataset.zip) | ![preview 1](14/preview_1.png) | ![preview 2](14/preview_2.png) | ![preview 3](14/preview_3.png) | ![preview 4](14/preview_4.png) | ![preview 5](14/preview_5.png) | ![preview 6](14/preview_6.png) | ![preview 7](14/preview_7.png) | ![preview 8](14/preview_8.png) | | 15 | 235 | [Download](15/dataset.zip) | ![preview 1](15/preview_1.png) | ![preview 2](15/preview_2.png) | ![preview 3](15/preview_3.png) | ![preview 4](15/preview_4.png) | ![preview 5](15/preview_5.png) | ![preview 6](15/preview_6.png) | ![preview 7](15/preview_7.png) | ![preview 8](15/preview_8.png) | | 16 | 17 | [Download](16/dataset.zip) | ![preview 1](16/preview_1.png) | ![preview 2](16/preview_2.png) | ![preview 3](16/preview_3.png) | ![preview 4](16/preview_4.png) | ![preview 5](16/preview_5.png) | ![preview 6](16/preview_6.png) | ![preview 7](16/preview_7.png) | ![preview 8](16/preview_8.png) | | 17 | 13 | [Download](17/dataset.zip) | ![preview 1](17/preview_1.png) | ![preview 2](17/preview_2.png) | ![preview 3](17/preview_3.png) | ![preview 4](17/preview_4.png) | ![preview 5](17/preview_5.png) | ![preview 6](17/preview_6.png) | ![preview 7](17/preview_7.png) | ![preview 8](17/preview_8.png) | | 18 | 8 | [Download](18/dataset.zip) | ![preview 1](18/preview_1.png) | ![preview 2](18/preview_2.png) | ![preview 3](18/preview_3.png) | ![preview 4](18/preview_4.png) | ![preview 5](18/preview_5.png) | ![preview 6](18/preview_6.png) | ![preview 7](18/preview_7.png) | ![preview 8](18/preview_8.png) | | 19 | 7 | [Download](19/dataset.zip) | ![preview 1](19/preview_1.png) | ![preview 2](19/preview_2.png) | ![preview 3](19/preview_3.png) | ![preview 4](19/preview_4.png) | ![preview 5](19/preview_5.png) | ![preview 6](19/preview_6.png) | ![preview 7](19/preview_7.png) | N/A | | 20 | 28 | [Download](20/dataset.zip) | ![preview 1](20/preview_1.png) | ![preview 2](20/preview_2.png) | ![preview 3](20/preview_3.png) | ![preview 4](20/preview_4.png) | ![preview 5](20/preview_5.png) | ![preview 6](20/preview_6.png) | ![preview 7](20/preview_7.png) | ![preview 8](20/preview_8.png) | | noise | 111 | [Download](-1/dataset.zip) | ![preview 1](-1/preview_1.png) | ![preview 2](-1/preview_2.png) | ![preview 3](-1/preview_3.png) | ![preview 4](-1/preview_4.png) | ![preview 5](-1/preview_5.png) | ![preview 6](-1/preview_6.png) | ![preview 7](-1/preview_7.png) | ![preview 8](-1/preview_8.png) |

提供机构:
BangumiBase
原始信息汇总

Bangumi Image Base of Koi To Uso

数据集概述

  • 名称: Bangumi Image Base of Koi To Uso
  • 标签: art
  • 大小类别: 1K<n<10K
  • 图像数量: 1550张
  • 角色数量: 22个

数据集详情

  • 完整数据集下载: all.zip
  • 注意事项: 数据集可能包含噪声,建议在使用前进行预处理以消除潜在的噪声样本(约1%概率)。

角色预览

# 图像数量 下载链接 预览1 预览2 预览3 预览4 预览5 预览6 预览7 预览8
0 549 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
1 28 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
2 17 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
3 11 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
4 12 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
5 140 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
6 11 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
7 10 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
8 173 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
9 46 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
10 25 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
11 12 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
12 25 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
13 25 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
14 47 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
15 235 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
16 17 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
17 13 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
18 8 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
19 7 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 N/A
20 28 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
noise 111 Download preview 1 preview 2 preview 3 preview 4 preview 5 preview 6 preview 7 preview 8
搜集汇总
数据集介绍
BangumiBase/koitouso 数据集图片
构建方式
在动漫图像分析领域,针对特定作品的角色识别数据集构建是一项基础性工作。BangumiBase/koitouso数据集以日本动漫《恋如雨止》为对象,通过系统化的图像采集与标注流程构建而成。该数据集共收录1550张图像,覆盖了作品中出现的22个角色。构建过程中,每一角色对应的图像被单独归档,并按照角色编号组织为独立的压缩包,同时附带了预览图像以直观展示数据内容。值得注意的是,数据集明确标注了约1%的噪声样本存在概率,这些噪声样本被单独归类为“noise”类别,共计111张图像,体现了构建者在数据质量把控上的审慎态度。
特点
该数据集的核心特色在于其精细化的角色覆盖度与透明的质量声明。22个角色的图像数量分布极不均衡,从最少的7张到最多的549张不等,这种长尾分布真实反映了动漫作品中角色出场频率的差异,为研究小样本学习或类别不平衡问题提供了天然场景。数据集的另一显著特点是其明确承认了潜在的噪声干扰,并提供了专门的噪声类别,这一做法在同类数据集中较为罕见,为模型鲁棒性评估提供了基准。此外,每个角色均提供多张预览图,便于研究者快速了解数据质量与风格。
使用方法
使用者可通过HuggingFace数据集页面直接获取全部图像压缩包(all.zip),或按角色编号下载独立的子集压缩包。由于数据集存在约1%的噪声样本,建议在训练模型前对下载的数据进行必要的预处理,如人工筛选或自动去噪算法的应用。每个角色的图像均以编号命名,便于与预览图对应。研究者可依据角色图像数量分布设计采样策略,或利用噪声类别进行异常检测实验。数据集采用MIT许可证,允许自由使用与修改,适用于动漫角色识别、图像分类及生成式模型训练等任务。
背景与挑战
背景概述
在动漫图像分析与角色识别领域,高质量、细粒度的标注数据集是推动计算机视觉模型发展的关键基石。BangumiBase/koitouso数据集由BangumiBase团队创建,专注于日本动画《恋如雨止》中的角色图像识别任务。该数据集于近期发布,共包含22个角色类别、总计1550张图像,其中主要角色“0”类拥有549张样本,显著多于其他角色,体现了数据分布的自然非均衡性。其核心研究问题在于为动漫角色检测与分类提供标准化的训练与评估资源,尤其针对小众动画作品,弥补了主流数据集(如Anime Face Dataset)在角色多样性与场景覆盖上的不足。该数据集的发布为动漫图像分析领域注入了新的活力,有望推动细粒度角色识别、少样本学习以及动画内容理解等方向的研究进展。
当前挑战
该数据集所面临的挑战主要体现在两个层面。在领域问题层面,角色识别需应对动画风格的高度抽象化、角色在不同光照与姿态下的外观变化,以及背景干扰导致的误检问题。此外,类别间样本数量严重不均(如“0”类549张而“19”类仅7张),对模型在长尾分布下的泛化能力构成严峻考验。在构建过程中,数据集的生成依赖于自动检测与人工校验的结合,但注释者明确指出数据集存在约1%的噪声样本,包括误标、模糊或非代表性图像,这些脏数据可能干扰模型训练。同时,原始图像来源的版权与质量一致性也需审慎处理,以确保数据集的可靠性与可复现性。
常用场景
经典使用场景
在动漫图像分析领域,BangumiBase/koitouso数据集为角色识别与图像分类提供了精细化的标注资源。该数据集源自日本动画《恋如雨止》,涵盖22个角色的1550张图像,其中主要角色高梨奈绪的样本量达549张,而其他角色如田边、橘晶等则呈现长尾分布。这种结构使其成为研究不平衡分类任务、细粒度角色特征提取以及动漫场景理解的标准测试平台,尤其适用于训练基于卷积神经网络的角色检测模型与图像检索系统。
解决学术问题
该数据集有效解决了动漫领域因缺乏大规模、多角色标注图像库而导致的研究瓶颈。通过提供带有角色标签的多样化图像样本,它支持针对类间相似性高、类内差异小的动漫角色识别问题的算法验证,推动了少样本学习与迁移学习在二次元图像任务中的理论探索。其公开的噪声样本(约1%比例)更促使研究者关注数据清洗策略对模型泛化能力的影响,为构建鲁棒性更强的视觉系统奠定了实验基础。
衍生相关工作
围绕该数据集已衍生出一系列经典研究,包括针对动漫角色长尾分布提出的重加权损失函数与数据增强策略,以及基于注意力机制的特征融合方法。在模型轻量化方向,有工作利用知识蒸馏技术从该数据集的预训练网络中提炼紧凑型角色分类器。同时,该数据集也被整合进多模态学习框架,与文本描述或剧情摘要结合,探索视觉-语言联合推理在动漫解析中的应用边界,催生了如角色关系图谱构建等创新课题。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务