基于斑纹、条纹或其他独特体表特征对动物进行识别，在夜间图像中是一项复杂的计算机视觉任务。现有图像中动物检测方法通常依赖颜色信息，但在夜间图像中颜色信息往往不可用，这给此类条件下的模式识别带来了挑战。然而，夜间识别对于野生动物研究、生物多样性监测及保护应用至关重要。为应对这一挑战并提供一个用于评估机器学习算法实际性能的资源，研究团队构建了SPOTS-10数据集。该数据集包含大量灰度图像，展示了十种动物物种所具有的多样化体表图案。具体而言，SPOTS-10共包含50,000张32×32像素的灰度图像，划分为十个类别，每类5,000张图像。其中，训练集包含40,000张图像，测试集包含10,000张图像。SPOTS-10数据集已通过项目GitHub页面免费开放获取，用户可通过克隆仓库的方式下载：https://github.com/Amotica/SPOTS-10.git。