論文の概要: SeaTurtleID: A novel long-span dataset highlighting the importance of
timestamps in wildlife re-identification
- arxiv url: http://arxiv.org/abs/2211.10307v1
- Date: Fri, 18 Nov 2022 15:46:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 15:19:42.876823
- Title: SeaTurtleID: A novel long-span dataset highlighting the importance of
timestamps in wildlife re-identification
- Title(参考訳): SeaTurtleID: 野生生物の再識別におけるタイムスタンプの重要性を強調する新しい長期データセット
- Authors: Kostas Papafitsoros, Luk\'a\v{s} Adam, Vojt\v{e}ch \v{C}erm\'ak,
Luk\'a\v{s} Picek
- Abstract要約: 本稿では,野生で捕獲されたウミガメの写真を収めた最初の大規模長大データセットであるSeaTurtleIDを紹介する。
このデータセットは、1081年の衝突で12年以内に収集された400個の個人からなる7774枚の高解像度写真で構成されている。
データセットの12年間の長さは、タイムスタンプを備えた最長の野生動物データセットである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces SeaTurtleID, the first public large-scale, long-span
dataset with sea turtle photographs captured in the wild. The dataset is
suitable for benchmarking re-identification methods and evaluating several
other computer vision tasks. The dataset consists of 7774 high-resolution
photographs of 400 unique individuals collected within 12 years in 1081
encounters. Each photograph is accompanied by rich metadata, e.g., identity
label, head segmentation mask, and encounter timestamp. The 12-year span of the
dataset makes it the longest-spanned public wild animal dataset with
timestamps. By exploiting this unique property, we show that timestamps are
necessary for an unbiased evaluation of animal re-identification methods
because they allow time-aware splits of the dataset into reference and query
sets. We show that time-unaware splits can lead to performance overestimation
of more than 100% compared to the time-aware splits for both feature- and
CNN-based re-identification methods. We also argue that time-aware splits
correspond to more realistic re-identification pipelines than the time-unaware
ones. We recommend that animal re-identification methods should only be tested
on datasets with timestamps using time-aware splits, and we encourage dataset
curators to include such information in the associated metadata.
- Abstract(参考訳): 本稿では,野生で捕獲されたウミガメの写真を収めた最初の大規模長期データセットであるSeaTurtleIDを紹介する。
このデータセットは、再識別方法のベンチマークや、他のコンピュータビジョンタスクの評価に適している。
データセットは、1081年の遭遇から12年以内に収集された400人の独特な人物の7774枚の高解像度写真で構成されている。
各写真には、アイデンティティラベル、ヘッドセグメンテーションマスク、出会いタイムスタンプなど、豊富なメタデータが添付されている。
データセットの12年にわたる期間は、タイムスタンプを備えた最も長い公開野生動物データセットとなる。
この特徴を生かして、タイムスタンプは、データセットを参照とクエリセットに分割できるため、動物の再識別方法のバイアスのない評価に必要であることを示す。
特徴量とCNNに基づく再同定手法の時間認識分割と比較して,時間認識分割が100%以上の性能過大評価につながることを示す。
タイムアウェアの分割は、タイムアウェアの分割よりも現実的な再識別パイプラインに対応しているとも主張する。
動物の再同定方法は時間認識スプリットを用いたタイムスタンプ付きデータセットでのみテストすべきであり、データセットキュレーターは関連するメタデータにそのような情報を含めることを推奨する。
関連論文リスト
- SeaTurtleID2022: A long-span dataset for reliable sea turtle
re-identification [0.0]
本稿は、野生で撮影された海亀写真(SeaTurtleID2022)を用いた、最初の大規模な長期データセットを紹介する。
データセットには、13年以内に収集された438人の個人の写真8729枚が含まれている。
標準的な「ランダム」分割の代わりに、データセットは2つの現実的で生態学的に動機づけられた分割を可能にする。
論文 参考訳(メタデータ) (2023-11-09T17:10:20Z) - EasyPortrait -- Face Parsing and Portrait Segmentation Dataset [79.16635054977068]
リアルタイムの背景除去や顔の美化といったコンピュータビジョンベースの機能を実現することで,ビデオ会議アプリが機能的になった。
これらのタスクを同時に行うために、新しいデータセット、EasyPortraitを作成します。
13,705人のユニークなユーザーと9つのクラスに分かれたきめ細かいセグメンテーションマスクを備えた、ビデオ会議のシナリオを繰り返す4万枚の屋内写真が含まれている。
論文 参考訳(メタデータ) (2023-04-26T12:51:34Z) - People Tracking and Re-Identifying in Distributed Contexts: Extension of
PoseTReID [0.0]
前報では,リアルタイム2次元多人数追跡のための汎用フレームワークであるPoseTReIDを紹介した。
本稿では,PoseTReIDフレームワークに関するさらなる研究を紹介する。
論文 参考訳(メタデータ) (2022-05-20T11:06:58Z) - AmsterTime: A Visual Place Recognition Benchmark Dataset for Severe
Domain Shift [10.875538917839474]
AmsterTimeは、アムステルダム市の歴史的考古学的画像データと一致するストリートビューから、同じシーンと一致する2500の精巧な画像のコレクションを提供している。
既存のベンチマークデータセットとは異なり、AmsterTimeはGISナビゲーションプラットフォーム(Mapillary)で直接クラウドソースされる。
論文 参考訳(メタデータ) (2022-03-30T13:33:45Z) - Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。
画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。
提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文 参考訳(メタデータ) (2021-10-29T16:51:16Z) - Large-Scale Spatio-Temporal Person Re-identification: Algorithm and
Benchmark [100.77540900932763]
224k以上の画像を持つ10,860のIDを含む,LaST(Large-scale Spatio-Temporal)の個人再IDデータセットを新たに提供した。
LaSTは、より困難で多彩なreID設定を示し、空間的および時間的範囲が大幅に大きい。
論文 参考訳(メタデータ) (2021-05-31T16:05:51Z) - Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。
中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。
我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
論文 参考訳(メタデータ) (2021-03-08T13:16:19Z) - Plotting time: On the usage of CNNs for time series classification [1.0390583509657398]
時系列データをプロット画像として表現し,それを単純なCNNに供給する,時系列分類のための新しい手法を提案する。
われわれのアプローチは非常に有望であり、6つのUCRデータセットにおいて、実世界のデータセットで最高の結果を得るとともに、最高の最先端のメソッドをマッチング/ビーティングします。
論文 参考訳(メタデータ) (2021-02-08T13:23:01Z) - Unsupervised Pre-training for Person Re-identification [90.98552221699508]
大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。
学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
論文 参考訳(メタデータ) (2020-12-07T14:48:26Z) - PoseTrackReID: Dataset Description [97.7241689753353]
詩情報は、背景や閉塞音から有用な特徴情報を遠ざけるのに役立つ。
PoseTrackReIDでは、人物のリIDと複数人のポーズトラッキングのギャップを埋めたいと考えています。
このデータセットは、マルチフレームの人物のre-IDに関する現在の最先端メソッドに対する優れたベンチマークを提供する。
論文 参考訳(メタデータ) (2020-11-12T07:44:25Z) - Learning to Sort Image Sequences via Accumulated Temporal Differences [27.41266294612776]
ハンドヘルドカメラで捉えた動的シーンの非順序画像群を時間的にシークエンシングする問題に対処する。
本稿では、2次元畳み込みカーネルを通して空間情報をキャプチャする畳み込みブロックを提案する。
提案手法は最先端の手法よりも有意なマージンで優れていることを示す。
論文 参考訳(メタデータ) (2020-10-22T12:34:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。