多数模型并非慧眼从零训练
YOLO11l-seg、TOPIQ、OSEA 使用上游权重；SuperEyes 与 SuperFlier 是作者基于 ImageNet 预训练网络做迁移学习。作者没有披露任何一项定制模型的硬件与墙钟训练时间。
Executive summary
先说结论
现有系统适合作为“候选片粗筛器”，但还不适合把单一星级当作摄影质量的可靠真值。改进的最佳路径不是立刻重训所有大模型，而是先修实现问题，再用本地连拍偏好和高价值公开标注做针对性微调。
高分误报是级联误差
通用 COCO 鸟检测一旦把背景误认成鸟，后续规则没有独立的“鸟存在性复核”；通用 AVA 美学还可能奖励漂亮背景。分割掩码的本地实现风险会进一步放大背景边缘的锐度。
低分好片多来自任务错位
系统只评多鸟图中的一只；眼喙点不可见会提前降级；没有专门的运动模糊、姿态质量或物种情境模型。飞鸟、背身、遮挡和小主体容易被粗糙规则惩罚。
最划算的升级组合：修复掩码与 TOPIQ 头数 → 对 7 月误报/漏报建立回归集 → 用 iNaturalist 2017 + Open Images 做鸟检测微调 → 用 BirdGaze/CUB/NABirds 做关键点预训练并补标本地鸟片 → 用同一连拍的 A/B 偏好训练最终排序器。完整重训 OSEA 或 TOPIQ 并不是当前优先级。
公开披露：论文、仓库、官方数据页
本机审计：当前代码与权重
本机实测：当前 M5 运行
本机估算：由实测外推，非作者承诺
版本边界：本报告审计的是当前机器上的 4.3.0 LTS（提交
5177def）。GitHub 在 2026-07-13 已出现 4.5.0-rc5，但 RC 的代码变化不混入本报告的“当前行为”。
01 · Current system
当前流程与评分逻辑
星级是多模型输出经过一组固定阈值和乘法权重后的结果。OSEA 只负责物种候选，不参与照片质量星级。
Step 1解码与缩放RAW/JPEG → 工作图；应用先把最长边缩到 1024。
Step 2YOLO11l-seg只取 COCO bird=14；输出框、置信度与实例掩码。
Step 3选一只鸟优先相机对焦点所在鸟，否则取最高置信度；框外扩 15%。
Step 4 · parallel眼喙 + 飞行SuperEyes 定位双眼/喙及可见度；SuperFlier 判飞/不飞。
Step 5 · parallel质量特征头部 Tenengrad 锐度、TOPIQ 全图美学、直方图曝光、ISO/对焦点权重。
Step 6规则评分与写回输出 -1/0/1/2/3；可选 OSEA 仅处理 ≥2；写 XMP/EXIF/Lightroom。
真正参与星级的信号
检测是否有鸟 / conf
锐度头部 Sobel
美学TOPIQ 全图
可见度眼喙点
规则曝光/ISO/飞行/焦点
没有独立的运动模糊分类器；“运动模糊”只被头部梯度与通用 IQA 间接感知。
固定阈值的主要路径
无鸟 → -1；conf < 0.5 → 0；关键点全隐藏 → 1；锐度 <100 或 TOPIQ <3.5 → 0；锐度 ≥400 且 TOPIQ ≥5 → 3；满足其一 → 2；均不满足 → 1。
实际顺序并非所有权重在末尾统一相乘：ISO 先修正原始锐度并参与最低锐度门槛；通过门槛后，对焦位置与飞行状态再调整锐度/TOPIQ；眼睛可见度最后作用于基础星级并取整，曝光异常再减 1。阈值不是从本地 Lightroom 选择行为中学习得到的。
当前模型与算法清单
参数量由本机实际结构核算| 模块 | 来源与用途 | 规模 | 输入 / 计算 | 是否影响星级 |
|---|---|---|---|---|
| YOLO11l-seg | Ultralytics 官方 COCO 实例分割；筛 bird=14 | 27,678,368 参数 约 132.2 GFLOPs 权重 53 MB | 应用预缩最长边 1024；调用未显式传 imgsz 时，内部通常按默认 640 | 入口 有鸟、框、置信度 |
| SuperEyes | ResNet50 + MLP；左右眼、鸟喙坐标与可见度 | 24,692,297 参数 权重 95 MB | 鸟裁切 416×416 | 直接 定头部 ROI 与可见度 |
| SuperFlier | EfficientNet-B3 二分类；飞行/非飞行 | 10,697,769 参数 权重 41 MB | 鸟裁切 384×384 | 直接 飞行加权 |
| TOPIQ / CFANet | 通用 AVA 美学质量分布，映射 1–10 MOS | 73,383,567 参数 权重 280 MB | 完整照片 384×384；仅在眼点足够可见时运行 | 直接 美学阈值 |
| OSEA | ResNet34；11,000 输出，实际物种表约 10,964 | 26,927,672 参数 权重 103 MB | 鸟裁切 224×224；通常只处理星级 ≥2 | 不参与 只写物种候选 |
| 传统算法 | Sobel/Tenengrad、灰度直方图、ExifTool MakerNote、固定规则 | 0 参数 | 头部锐度、曝光、ISO、相机对焦点、评分映射 | 直接 |
本地 4.3.0 LTS 的关键风险
代码审计 + 小样本诊断分割掩码可能在锐度路径中静默失效
ai_model.py:185–191 先复制 masks 后删除 results；但 ai_model.py:410–434 又引用 results[0].masks，异常被宽泛的 try/except 吞掉。结果很可能令 bird_mask=None，原本设计的“头部圆形 ROI ∩ 鸟轮廓”退化，树枝、羽毛外缘或背景高频纹理可抬高锐度；相机焦点的 mask 判断也可能回退。
行动：改用已经复制的 mask 数组；增加单元测试，强制断言有分割结果时 mask 非空，并用 7 月误报图做回归。
TOPIQ 的注意力头数与官方 checkpoint 配置不一致
本地 topiq_model.py:214 默认 num_heads=4，而同一 AVA checkpoint 的官方 YAML 使用 8。参数张量形状兼容，因此 strict=False 不会报警，但注意力计算不同。本机 5 个鸟片裁切的 4-head vs 8-head 差值最大约 0.059 分；总体不大，却足以让阈值附近照片翻级。
行动：对齐 8 heads，并以固定图片集记录变更前后 TOPIQ、最终星级与人工偏好。
通用美学不等于鸟类摄影质量
TOPIQ 在 AVA 通用摄影上训练，可能给漂亮背景、颜色和构图高分，即便鸟主体虚、太小或不存在；也可能惩罚背景凌乱但鸟眼锐利、行为珍贵的纪实照片。当前全图 TOPIQ 权重大，却没有鸟主体美学的专门校准。
多鸟只评一只；飞行只有二分类
多鸟图仅选择“焦点所在或置信度最高”的一只，其余主体不参与评分。SuperFlier 实质更接近“翼展开/未展开”的二分类，且训练集飞行样本仅 273 张；游泳、落地、扑食、振翅、背身等姿态被压成一个粗糙布尔值。
级联模型没有失败复核
一旦 YOLO 把树叶、飞机或远处黑点认成鸟，后续会把该裁切当真鸟继续评分；没有第二个 bird/non-bird 验证器，也没有“无鸟困难负样本”校准头。反过来，YOLO 漏掉真实鸟时整张照片直接被判无鸟。
02 · Public disclosure
模型从哪里来，训练公开到什么程度
“代码公开”不等于“权重可精确复现”，也不等于“可以自由商用”。下表分别记录数据、配方、硬件、时间与许可缺口。
| 模型 | 权重性质 | 公开训练数据 | 公开训练配方 | 作者披露的成本 | 复现判断 |
|---|---|---|---|---|---|
| YOLO11l-seg | Ultralytics 官方权重；慧眼未 fine-tune | COCO 2017：约 118,287 train、5,000 val、80 类 | 训练框架/接口/格式公开；该 checkpoint 的完整逐项日志未公开 | 未披露 具体硬件、墙钟时间和实际费用 | 微调容易 从零逐位复现官方权重不现实 |
| SuperFlier | 作者迁移学习；部署权重与公开 top0 一致 | 1,445 张：Fly 273 / NoFly 1,172；seed 42，80/10/10；测试仅 145 张 | EfficientNet-B3，384，batch 32，RMSprop，最多 15 epoch，只解冻最后块+头；最佳 epoch 12。144 组网格搜索，再重跑前 10 | 未披露 硬件和训练秒数；README 的 lr 5e-5 与结果 CSV 的 5e-4 冲突 | 技术中高 数据/代码/权重可见，但无 LICENSE |
| SuperEyes | 作者迁移学习 | CUB-200-2011 11,788 张 / 200 种；仅取左眼、右眼、喙；重新随机 70/30 | ResNet50 全量优化；AdamW、Wing+BCE+空间先验，lr 5e-5，batch 16，最多 50 epoch，patience 10；最佳报告跑 32 epoch | 未披露 硬件/时间；训练分辨率资料出现 416 与 640 冲突 | 中等 方法清楚，精确环境/分辨率欠缺，仓库无 LICENSE |
| TOPIQ | IQA-PyTorch 官方 AVA checkpoint；慧眼未 fine-tune | AVA 约 255,530 张；每张为 1–10 分投票分布，平均约 210 次评分 | 单 GPU，384，batch 16，10 epoch，AdamW 3e-5、wd 1e-5、cosine、EMD、seed 123、16 workers、8 heads | 未披露 GPU 型号与墙钟时间 | 中等 配方完整；AVA 获取/权利和依赖是门槛 |
| OSEA | 上游 ResNet34；慧眼直接部署 | 论文原始 DIB-10K >4.8M / 10,922 种；清洗后 4,706,520 / 10,916，9:1。当前下载页另列 3,411,804 / 10,915，属于版本差异 | 从 MetaFGNet LBird-31 迁移；32 epoch，batch 256，momentum .9，wd 1e-4，64 workers，里程碑 15/23；冻结预训练部分并换分类头 | 硬件已披露 RTX 4090D、90 GB RAM、15 核 Xeon 8474C、AutoDL；时间/费用未披露 | 低—中 数据快照与规模是主要障碍 |
| 传统规则 | 慧眼代码中的 OpenCV/ExifTool/阈值 | 不训练 | 实现公开 | 无训练成本 | 可精确复现 |
YOLO：可微调，不必从零训练
库存 COCO 模型只见过通用“bird”类。用本地误报、远鸟、小鸟和空镜进行 YOLO11s/l-seg 微调，收益远高于复现官方 COCO 预训练。
SuperEyes / Flier：公开但不够严谨
两者能重跑，却缺少锁定依赖、训练硬件、稳定 MPS 分支和清晰许可。SuperFlier 的 98.6% 测试准确率来自仅 145 张同来源测试图，不应当作跨摄影师泛化保证。
许可不是附注：SuperPicky 仓库元数据为 AGPL-3.0，但 README 中存在 GPL/AGPL 表述不一致；Ultralytics 为 AGPL-3.0 或商业 Enterprise 许可；SuperFlier / SuperBirdEye 未见 LICENSE；IQA-PyTorch 的相关版本含 PolyForm Noncommercial 条款。若模型要进入商业产品，必须在训练前做一次逐项法律审查。
03 · Local training budget
当前这台 Mac 能训练到什么程度
下述“实测”来自当前 Apple M5；“估算”以实测吞吐和公开配方外推，包含合理余量，但不是作者披露，也不是精确交付承诺。
设备
MacBook Pro Mac17,2
Apple M5，10 核 CPU / 10 核 GPU
统一内存
32 GB
官方带宽 153 GB/s
训练栈
PyTorch 2.13.0
MPS 可用，Ultralytics 8.4.100
存储
160 GiB 可用
总盘 926 GiB，已使用约 83%
本机微基准
已在当前机器运行| 任务 | 设置 | 实测结果 | 如何解读 |
|---|---|---|---|
| YOLO11l-seg 训练 | COCO128-seg，640，batch 4，workers 0，MPS，2 epoch | 单轮约 77–98 秒 全流程 266.7 秒 约 1.46 train images/s MPS 6.6–7.6 GB | 最接近实际 YOLO 预算；包含验证但小数据开销偏高 |
| SuperFlier | EfficientNet-B3，384，batch 32，仅最后块+头，合成张量 | 0.604 s/step 约 53.0 images/s 约 191 MB MPS allocated | 不含 JPEG 解码、增强和验证；只作为吞吐下界 |
| SuperEyes | ResNet50 全训练，416，batch 16，合成张量 | 0.915 s/step 约 17.5 images/s 约 926 MB MPS allocated | 实际数据增强和关键点损失会更慢 |
| OSEA 适配 | ResNet34 冻结骨干 + 11k 新头，224，batch 128，合成张量 | 0.501 s/step 约 255.6 images/s driver 约 2.67 GB | 这不是完整数据管线；数百万张图片的 I/O 和验证会主导 |
可执行训练场景
本机估算| 目标 | 建议数据 / 设置 | 当前 M5 预计 | 资源与结论 |
|---|---|---|---|
| 复现 SuperFlier | 1,445 图，15 epoch，384 | 约 10–20 分钟 | 轻松 先修类别定义和分组划分 |
| 改良姿态分类 | 5,000 图，30 epoch，多姿态而非二分类 | 约 1–2 小时 | 适合本机 |
| 复现 SuperEyes | CUB 11,788 图，最多 50 epoch，416 | 约 8–14 小时 | 可过夜 最佳公开运行 32 轮通常更短 |
| YOLO11s-seg 微调 | 2,000 图，50 epoch，640 | 约 5–9 小时 | 首选 比 l 快，适合迭代数据闭环 |
| YOLO11l-seg 微调 | 2,000 图，50 epoch，640 | 约 18–26 小时 | 可做 batch 小，需梯度累积 |
| YOLO11l-seg 中型训练 | 5,000 图，80 epoch，640 | 约 3–5 天 | 勉强 960/1024 输入约再慢 2–3× |
| TOPIQ 全 AVA | 约 255k 图，10 epoch，384 | 数天至 1 周以上 低置信估算 | 不推荐 数据权利/存储和长时间热负载更关键 |
| OSEA 全规模重训 | 3.41–4.71M 图，32 epoch，224 | 理论纯算约 5–7 天；最好情形约 7–12 天，现实可能数周 低置信估算 | 不推荐 未实测解码/增强/验证/长时间热负载；数据可能数百 GB–TB |
存储是眼前的第一瓶颈。AirBirds 单集约 165 GB，iNaturalist 2021 完整训练包约 224 GB，Distant Bird 约 67 GB；当前仅余 160 GiB。建议至少增加 2 TB 外置 NVMe，若要聚合视频/UAV/3D 数据则用 4 TB，并把原图、缓存、切片和 checkpoint 分卷管理。
云 GPU 的使用边界。本机适合 YOLO 2k–5k、关键点、姿态与最终排序器迭代；完整 AVA/OSEA 或多轮大规模超参搜索更适合 RTX 4090/5090、A6000/A100 等 NVIDIA 环境。对本项目而言，购买标注质量通常比购买更多算力更值钱。
现有 7 月素材盘点
本地文件清点| 日期 | 照片数 | 日期 | 照片数 | 总体 |
|---|---|---|---|---|
| 07-03 | 427 | 07-07 | 678 | 4,794 张 4,698 JPG + 96 ARW 约 35.6 GB 现有分析索引 4,696 行；预测记录 43,830 行。 |
| 07-04 | 194 | 07-08 | 965 | |
| 07-05 | 421 | 07-09 | 975 | |
| 07-06 | 439 | 07-10 | 695 |
建议把这 4,794 张按“拍摄日期 + 连拍组 + 场景”分组，而不是随机按单张分训练/验证。否则同一连拍会同时落入两边，验证分数虚高。
04 · Public datasets
公开且有标注的训练素材
目录优先收录官方数据页、论文项目页或原始存储记录。标注许可证与图片版权经常不是同一件事；“能下载”不能自动推导为“可商用训练”。
第一优先：关键点
BirdGaze → CUB → NABirds → 本地校正
BirdGaze 的眼、喙、头/身中心与尺度最贴近 SuperEyes；再补标 3,000–8,000 个本地实例。
第一优先：检测
iNat 2017 → Open Images → 本地困难负样本
先学大量鸟框，再专门加入树枝、叶片、飞机、水面反光、空镜和极小黑点。
第一优先：评分
通用 IQA 预训练 → 本地连拍偏好
最终目标应是“这一连拍哪张更值得保留”，不是跨场景硬凑一个绝对星级。
数据集目录
A+/A/B/C 只表示与当前任务的匹配度，不代表许可已经通过，也不代表可商用。正式采用仍以同一行的许可/获取限制和实际下载版本为准。
| 数据集 | 规模与标注 | 最适合 | 许可 / 获取 / 局限 | 建议 |
|---|---|---|---|---|
| iNaturalist 2017 Aves | 鸟类 964 类；214,295 train + 21,226 val；约 301,245 鸟框，COCO JSON | 检测物种 通用鸟框和长尾场景 | 非商业研究/教育，不得再分发；同图多鸟可能继承观察级物种名 | A+ YOLO 首选 |
| BirdGaze | 约 104,705 train + 1,705 val + 1,811 test；另 3,254 手标视频帧；头/身体中心尺度、头顶、喙尖、双眼点 | 关键点姿态 SuperEyes 替代/预训练 | Dryad 注释约 692 MB；底层图片来自多源，权利继承各原集 | A+ 最贴任务 |
| CUB-200-2011 | 11,788 图 / 200 类；bbox、15 部位点、312 属性、分割 | 关键点 眼、喙、翼、尾、身体 | 仅非商业研究/教育；Caltech 不拥有图片版权；规模小、北美偏置 | A 已用于 SuperEyes |
| NABirds | 48,562 图 / 555 视觉类（约 400 物种）；bbox、11 部位点、性别/年龄/羽色 | 关键点物种 更大鸟体定位 | Cornell 条款严格、按非商业研究处理；北美域 | A |
| Birdsnap | 49,829 图 / 500 北美物种；框、17 部位、部分性别/年龄/羽色 | 关键点物种 | Flickr 来源；当前正式获取和逐图许可不稳定，谨慎使用镜像 | B 先做权利核验 |
| CHIRP | 西伯利亚松鸦；关键点子集 879 图 / 1,176 实例 / 13 点；另有框、实例分割、行为和重识别 | 关键点行为分割 | 单物种、固定环境；代码许可不自动覆盖媒体 | A− 动作/点位优质 |
| 3D-POP | 约 300k 帧、约 4M 实例；1–10 鸽、4 视角、身份/轨迹/bbox/2D+3D 点 | 3D姿态追踪 | CC BY 4.0；实验室鸽域；压缩后仍 >1 TB | B+ 研究价值高 |
| Avian Mesh / Penn Aviary | >6,300 mask、约 1,000 关键点实例；受控社交鸟 | 分割关键点 鸟体网格 | 受控场景，与野外摄影有域差 | B+ |
| Animal Kingdom | 50h 视频；30,100 动作片段 / 140 动作；33,099 姿态帧 / 23 点；850 物种 | 姿态行为 可抽鸟类子集 | 跨动物；需核对媒体许可和鸟类覆盖 | B+ |
| PigeonSuperModel | >3,000 手标多视角鸽子帧；姿态点 | 姿态 受控多视角 | 单物种、实验室域 | B |
| Visual WetlandBirds | 178 视频 / 13 物种 / 7 行为；框、物种、个体、行为；约 9.4 GB | 飞行/姿态追踪 | CC BY 4.0；湿地鸟域较窄 | A 替代二分类 |
| AirBirds | 118,312 张 1080p 时序帧；409,967 手标飞鸟框；平均鸟体 <10px；约 165 GB | 极小飞鸟检测 | CC BY-NC-SA 4.0；需申请；机场固定机位与近摄差异大 | B+ |
| FBD-SV-2024 | 483 clips / 28,694 帧 / 28,366 飞鸟；bbox + track；约 1.67 GB | 飞鸟检测追踪 | Figshare 标 CC BY 4.0，仓库文字偏研究用途；按更严格口径或联系作者 | B+ |
| SOD4SB / MVA 2023 | 两训练集约 57,019 图 / 90,008 实例；COCO 框；远距离小鸟与无人机域 | 小目标检测 | 比赛条款；公共/私有测试划分复杂 | B+ |
| Distant Bird Detection | 47,260 张 4K / 60,971 框；hawk/crow/wild bird；约 67 GB | 远鸟小目标 | 无人机域；代码 MIT 不等于图片许可，需再核对 | B |
| Big Bird 2026 | 4,284 张 UAV RGB；3,209 空图；49,990 标注（框 41,337 + polygon 8,653）；102 物种 | 检测负样本物种 | UQ reuse-with-acknowledgment；大量空图很有价值 | A |
| IBERBIRDS | 4,000 图；10 种伊比利亚大型飞鸟；YOLO bbox + species | 飞行检测 | CC BY 4.0；物种与地域窄 | A− |
| PartImageNet | 24,095 图 / 158 类；鸟 14 类；头/身/翼/脚/尾像素级 part mask | 部件分割 主体/头部/翼 | 注释仓库 Apache；底层 ImageNet 图片权利另算 | B+ |
| Open Images V7 | 约 9M 图、16M 框 / 600 类、2.686M masks / 350 类；含 verified positive / negative Bird 标签 | 检测负样本 场景多样性 | 标注 CC BY 4.0；图片通常标 CC BY 2.0，仍须逐图核验 | A |
| COCO 2017 | 约 118k train / 5k val；80 类，Bird bbox + instance mask | 检测分割 当前 YOLO 预训练域 | 图片按各 Flickr 许可；鸟类标签粗 | B+ |
| LVIS | 164k 图，1,200+ 类，>2M 高质量实例 mask；基于 COCO 图 | 长尾分割 可抽鸟类 | 底图沿用 COCO/Flickr 权利；类极长尾 | B |
| iNaturalist 2021 Aves | 1,486 物种；414,847 train、74,300 mini、14,860 val；最大边 500；无框 | 物种表征 长尾预训练 | 非商业研究/教育，不得再分发；完整总训练包约 224 GB，mini 总包约 42 GB | B+ |
| DIB-10K | 当前页列 3,411,804 图 / 10,915 类；论文清洗版 4,706,520 / 10,916；物种分类，无 bbox/点 | 物种 OSEA 规模复现 | 巨大、版本不一致；下载可用性与图片许可需逐项确认 | C 不适合当前本机 |
| USGS Aerial Avian | 航拍鸟类影像与 COCO bbox 标注 | 航拍小鸟检测 | 美国政府数据页；摄影域与常规鸟片差异大 | B |
| Caltech Camera Traps | 243,100 图、约 66k 框；约 70% 空图/非鸟 | 负样本 空镜与动物干扰 | 许可较宽松；相机陷阱域偏差明显 | A− 困难负样本 |
| AVA | 约 255,530 图；1–10 分投票分布，平均约 210 票/图 | 通用美学 TOPIQ 原训练 | DPChallenge 来源；获取和商用权利有门槛；非鸟专用 | B 只作预训练 |
| KonIQ-10k | 10,073 真实失真图；约 120 万评分 / 1,459 人；MOS 与质量统计 | IQA 真实失真预训练 | 研究使用；保留 YFCC 来源许可；非鸟专用 | A− |
| KonIQ++ / Image Defects | 沿用 KonIQ 图；模糊、伪影、颜色、对比度等缺陷标签 | 模糊缺陷 | 研究用途；需回溯原图许可 | A 缺陷辅助头 |
| SPAQ | 11,125 手机图、66 款设备；MOS + 亮度/色彩/对比/噪声/锐度/场景/EXIF | 技术画质锐度 | 仓库未清晰声明媒体商用许可；手机域 | A− |
| LIVE In the Wild | 1,162 真实手机图；>350k 主观评分，>8,100 人 | IQA 真实混合失真 | 官方页按研究/公共数据口径；规模较小、非鸟 | B+ |
| LIVE-Meta VI-UGC | 39,660 图及 patches；约 270 万质量判断 + 270 万失真标签 | IQA失真类型 | UGC 域；需遵守官方研究条款 | A− |
| VizWiz Quality Issues | 39,181 图；模糊、过曝/欠曝、构图差、遮挡、旋转、不可识别等多人投票 | 缺陷分类负样本 | 无障碍拍摄域；媒体许可需另核 | A− |
| CUHK Blur Detection | 1,000 自然图；10 人标注的像素级模糊区域 | 局部模糊 判断眼/头是否在模糊区 | 小型研究集；非鸟专用 | A 直接补当前空白 |
| GoPro Blur | 3,214 对 sharp/blur 图 | 运动模糊 表征预训练 | 由高帧率平均合成模糊，与长焦鸟片仍有差别 | B+ |
| RealBlur | 4,738 对真实 blur/sharp 图 | 真实相机模糊 | 场景非鸟；按官方研究条款使用 | A− |
| AADB | 10,000 Flickr CC 图；整体美学 + 11 个属性分数 | 美学属性 构图/颜色辅助 | 作者限定研究用途；非鸟专用 | B |
当前显示全部数据集。
05 · Acquisition channels
还可以从哪里持续收集鸟片
最好的训练库不是一次性“下载大全”，而是把素材、授权、标注、版本和删除请求一起管理。下面按实际价值排序。
| 渠道 | 能获得什么 | 获取方式 | 权利与风险 | 推荐用途 |
|---|---|---|---|---|
| 本地 Lightroom / RAW | 原片、失败片、连拍、EXIF、当前星级、相机/镜头域 | 直接读取原片、XMP 和 Catalog；导出代理图用于标注 | 权利最清楚 注意敏感地点和备份 | 最高优先级：目标域校准、误报/漏报、连拍排序 |
| 摄影伙伴、鸟会、保护区、高校 | 跨摄影师、器材、地区和失败模式；可要求保留整段连拍 | 统一上传模板 + 数据授权书；约定训练/展示/商用/撤回/衍生模型 | “允许展示”不等于“允许训练”；需明确著作权与地点隐私 | 补充真实失焦、遮挡、背身、远鸟、空镜和淘汰片 |
| eBird / Macaulay Library | 数千万鸟类媒体；物种、地点、日期、年龄/性别/行为；1–5 星技术质量；可筛 Flying | 检索可导出至多 10,000 条元数据；研究项目提交 catalog number 向 Cornell 申请媒体。大请求通常需个案审核 | 版权归上传者；禁止自行抓取。研究可能免费，商业需单独许可/费用 | 最接近现成鸟片质量监督：星级、飞行、物种分层抽样 |
| Oriental Bird Club Image Database | 约 177,129 张亚洲鸟图、3,040 物种；中国条目约 5,733 | 并入 Macaulay；沿用 Cornell 的申请与许可流程 | 同 Macaulay，不可把网页可见误当批量训练授权 | 补亚洲/中国物种与摄影域 |
| iNaturalist 当前数据 | 巨量观察照片、物种层级、时间地点、逐图作者与许可 | 小规模 API；大规模用 AWS 月度开放数据或每周 DwCA，不要扫 API | 逐图许可混杂；大量 CC BY-NC。按 2026-07-19 当前条款，商业 AI/ML 训练限制严格；不可抓取 | 非商业物种/表征研究与长尾发现；按观察/摄影者分组 |
| GBIF | 全球 occurrence + 原始媒体 URL、作者、许可、机构、物种、时空元数据 | 小查询 API；大规模用异步下载，读取 DwCA multimedia.txt | GBIF 多数只托管元数据；媒体许可可能不同于记录许可；重复 iNat 等来源 | 检索/溯源稀有物种，不应直接当无权利风险训练包 |
| Wikimedia Commons | 原图、尺寸、EXIF、作者、SHA1、逐文件许可；飞鸟/Quality/Featured 类别 | MediaWiki API 遍历 categorymembers，用 imageinfo 取原图与许可 | 常见 CC BY/BY-SA/PD，但必须逐文件核验、保留署名与相同方式共享要求 | 优质正样本、飞鸟和代表物种；需自行标框/点 |
| Flickr | 标签、描述、EXIF、位置、许可；可发现大量鸟类摄影师 | API 按日期/物种/地区拆分；更建议联系作者取得直接许可 | 默认 All Rights Reserved；API 对长期缓存、删除响应有限制；即使 CC 也要留作者/许可 | 摄影师发现与定向授权，不建议做核心持久语料 |
| Encyclopedia of Life | 物种页面、代表媒体、作者与逐对象许可 | Pages API / 开放数据清单，回溯原提供者 | 聚合 Wikimedia/Flickr 等；每个媒体对象单独授权 | 分类体系和代表样本，不适合质量评分 |
| LILA BC / 政府开放数据 | 野生动物相机、航拍和保护项目数据；标准化云端分发 | 按数据集页面和云桶下载 | 每个数据集许可不同；不能用 LILA 平台名替代逐集核验 | 空镜、困难负样本、小目标与生态场景 |
| Zenodo / Dryad / Figshare | 论文配套图像、视频、标注、DOI 和版本 | 通过论文/DOI 找原始记录，保存版本和文件 checksum | 平台不是统一许可；逐记录甚至逐文件核查 | BirdGaze、Visual WetlandBirds 等高价值专用集 |
| Kaggle / Hugging Face / Roboflow | 镜像、转换版、社区标注和快速预览 | 只用于发现，回到原始出处确认数据卡与图片权利 | 镜像的 license 字段不能覆盖原图版权；常有重复、错标与来源断链 | 原型验证，不建议直接进入正式训练主库 |
| 受控合成退化 | 在自有/已许可鸟片上合成运动模糊、离焦、噪声、曝光、遮挡、缩小 | 保留原图与退化参数，建立成对监督 | 只在已有训练权的图上生成；合成不等同真实镜头/追焦失败 | 画质辅助头的预训练与压力测试，不能替代真实人工偏好 |
必须维护一份素材权利账本。建议每张图至少保存下面字段；CC0/CC BY、CC BY-SA、CC BY-NC/研究专用、直接授权应物理或逻辑分库，防止后续用途变化时无法回溯。
source, source_asset_id, original_url, photographer,
license, license_url, retrieved_at, observation_id,
taxon, capture_group, rating, behavior,
bbox, keypoints, split, sha256, perceptual_hash
06 · Recommended plan
从“能打分”升级到“可信地选片”
建议把训练拆成可验证的小步：每一步都必须用固定的 7 月错误案例和连拍偏好验证，避免模型离线指标上涨、实际 Lightroom 选片反而变差。
P0
先修实现与建立金标准
- 修复 mask 生命周期；TOPIQ 改为官方 8 heads。
- 从 7 月照片抽取：全部高分误报、全部低分好片、随机正常片、典型连拍。
- 建立约 500–1,000 张不可随训练移动的回归集，记录鸟存在、框/点、锐度缺陷、姿态与人工偏好。
P1
把“鸟存在”做可靠
- 检测训练：iNaturalist 2017 + Open Images Bird + 本地目标域场景；累计目标 8k–15k 张（当前 4,794 张，需后续拍摄/合作补充），并形成 15k–30k 个鸟框。
- 加入 20k–50k 困难负样本；特别标空镜、树枝、飞机、反光、小黑点。
- 先 YOLO11s-seg 快速迭代；数据闭环稳定后再比较 l。
P2
提升头眼定位与姿态表达
- BirdGaze + CUB + NABirds 预训练；人工校正 3k–8k 本地鸟实例。
- 点位至少包含头顶、喙尖、左右眼、身体中心/尺度和可见度；必要时加翼尖/尾。
- 把 fly/nofly 改成 flying、perched、swimming、walking、feeding、preening、landing/takeoff、unknown 等多类或层级标签。
P3
单独学习主体画质，而不是只看全图
- 三路输入：完整画面、鸟主体 ROI、头/眼 patch。
- 多任务输出：眼部锐度、主体运动模糊、相机抖动、噪声、曝光、遮挡、背景干扰、主体大小。
- 通用 IQA 数据只做预训练；最终用真实长焦鸟片微调和校准。
P4
用连拍偏好训练最终排序
- 收集 2k–10k 个同一连拍的 A>B 选择，配合已有 Lightroom 星级。
- 用 pairwise ranking / preference loss 学“哪张更值得保留”，再将排序分数校准成 Lightroom 0–5 星。
- 按摄影者、观察、连拍、日期/地点和视频源分组切分；感知哈希去重，禁止相邻帧泄漏。
建议的输出，不再只给一个黑箱星级
Bird confidence
真鸟概率、每只鸟的框/掩码；多鸟分别评分。
Technical quality
眼锐度、主体模糊、曝光、噪声、遮挡，分别给分与原因。
Pose & moment
行为、翼形、头向、眼可见、动作稀有度；允许用户偏好。
Final preference
在同一连拍内排序，再映射 Lightroom 星级；附置信度。
验收指标应贴近实际使用：无鸟图高分率、好鸟图低分率、同一连拍 Top-1 / Top-3 命中率、每种姿态/主体大小/ISO 桶的分组表现，以及人工二次筛选节省时间。单看分类 accuracy 或 COCO mAP 不足以说明“选片更好”。
References
主要来源与审计说明
优先链接到官方仓库、论文、数据集项目页和原始存储。数据集规模与条款可能更新，正式下载前须再次核对。
当前工程与模型
本机审计范围
代码基线：本地 SuperPicky 4.3.0 LTS，提交 5177def4644c5c0e8449a5ee5681c950f44327a6。
重点文件：ai_model.py、core/photo_processor.py、core/rating_engine.py、core/keypoint_detector.py、core/flight_detector.py、core/exposure_detector.py、core/focus_point_detector.py、topiq_model.py、birdid/osea_classifier.py。
参数量由实际实例化结构核算；权重来源与本地文件哈希交叉核对。训练时间表明确区分作者未披露、本机实测与本机估算。
报告定位：这是一份工程与资料审计，不是法律意见，也不是对所有数据许可的最终授权判断。任何面向商业发布的训练，都应对实际下载的每个数据版本、每张媒体许可和上游模型许可做可追溯审核。