論文の概要: WildlifeReID-10k: Wildlife re-identification dataset with 10k individual animals

• arxiv url: http://arxiv.org/abs/2406.09211v2
• Date: Mon, 17 Jun 2024 07:23:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-18 12:44:32.011671
• Title: WildlifeReID-10k: Wildlife re-identification dataset with 10k individual animals
• Title（参考訳）: WildlifeReID-10k:10万個体による野生生物の再同定データセット
• Authors: Lukáš Adam, Vojtěch Čermák, Kostas Papafitsoros, Lukas Picek,
• Abstract要約: WildlifeReID-10kは、30の既存の野生生物の再識別データセットのコレクションである。 海産カメ、霊長類、鳥類、アフリカの草食動物、海産哺乳類、家畜など多様な動物を含む。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a new wildlife re-identification dataset WildlifeReID-10k with more than 214k images of 10k individual animals. It is a collection of 30 existing wildlife re-identification datasets with additional processing steps. WildlifeReID-10k contains animals as diverse as marine turtles, primates, birds, African herbivores, marine mammals and domestic animals. Due to the ubiquity of similar images in datasets, we argue that the standard (random) splits into training and testing sets are inadequate for wildlife re-identification and propose a new similarity-aware split based on the similarity of extracted features. To promote fair method comparison, we include similarity-aware splits both for closed-set and open-set settings, use MegaDescriptor - a foundational model for wildlife re-identification - for baseline performance and host a leaderboard with the best results. We publicly publish the dataset and the codes used to create it in the wildlife-datasets library, making WildlifeReID-10k both highly curated and easy to use.
• Abstract（参考訳）: 野生生物再同定データセットWildlifeReID-10kを導入し、10k個体の214k以上の画像を紹介した。 これは、30の既存の野生生物の再識別データセットのコレクションであり、追加の処理ステップがある。 野生生物ReID-10kには海産カメ、霊長類、鳥類、アフリカの草食動物、海洋哺乳類、家畜など多様な動物が含まれている。 データセットに類似した画像が多種多様であるため、標準(ランダム)はトレーニングに分割され、テストセットは野生生物の再識別には不十分であり、抽出された特徴の類似性に基づいた新しい類似性認識分割を提案する。 公正なメソッド比較を促進するために、クローズドセットとオープンセットの設定の両方で類似性を認識した分割、ベースラインのパフォーマンスにMegaDescriptor(野生生物の再識別の基礎モデル)を使用し、最高の結果でリーダーボードをホストします。 WildlifeReID-10kは、高いキュレートと使いやすさの両方を実現するために、ワイルドライフデータセットライブラリでデータセットとコードを作成するために使用されるコードを公開しています。

関連論文リスト

• Addressing the Elephant in the Room: Robust Animal Re-Identification with Unsupervised Part-Based Feature Alignment [44.86310789545717]
  動物型Re-IDは野生生物の保護に不可欠だが、人間型Re-IDと比較すると独特な課題に直面している。 本研究では,学習段階と評価段階の背景を体系的に除去する手法を提案することにより,背景バイアスに対処する。 本手法は,ATRW,YakReID-103,ELPephantsの3種の動物Re-IDデータセットにおいて優れた結果が得られる。
  論文  参考訳（メタデータ） (2024-05-22T16:08:06Z)
• WildlifeDatasets: An open-source toolkit for animal re-identification [0.0]
  WildlifeDatasetsは、生態学者とコンピュータビジョン/機械学習研究者のためのオープンソースのツールキットである。 WildlifeDatasetsはPythonで書かれており、公開されている野生生物データセットに簡単にアクセスできる。 我々は,MegaDescriptorという多種多様な種において,個人を再同定するための最初の基礎モデルを提供する。
  論文  参考訳（メタデータ） (2023-11-15T17:08:09Z)
• 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)
• Multimodal Foundation Models for Zero-shot Animal Species Recognition in Camera Trap Images [57.96659470133514]
  モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。 教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。 コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-02T08:32:00Z)
• SeaTurtleID2022: A long-span dataset for reliable sea turtle re-identification [0.0]
  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について紹介する。 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。
  論文  参考訳（メタデータ） (2022-11-18T15:46:24Z)
• Bugs in the Data: How ImageNet Misrepresents Biodiversity [98.98950914663813]
  ImageNet-1k検証セットで野生動物を表す269のクラスから13450の画像を解析した。 多くのクラスが未定義あるいは重複しており、画像の12%が誤ってラベル付けされていることがわかった。 また,ImageNet-1kに含まれる野生生物関連ラベルと画像の両方が,地理的,文化的に有意な偏見を呈していることがわかった。
  論文  参考訳（メタデータ） (2022-08-24T17:55:48Z)
• APT-36K: A Large-scale Benchmark for Animal Pose Estimation and Tracking [77.87449881852062]
  APT-36Kは動物のポーズ推定と追跡のための最初の大規模ベンチマークである。 このビデオは、30種の動物から収集・フィルタリングされた2,400のビデオクリップと、各ビデオの15フレームで構成されており、合計で36,000フレームとなっている。 我々は,(1)ドメイン内およびドメイン間移動学習環境下での単一フレームでの動物ポーズ推定,(2)未確認動物に対する種間ドメイン一般化テスト,(3)動物追跡による動物ポーズ推定の3つのモデルについて,いくつかの代表的モデルをベンチマークした。
  論文  参考訳（メタデータ） (2022-06-12T07:18:36Z)
• AP-10K: A Benchmark for Animal Pose Estimation in the Wild [83.17759850662826]
  一般的な動物のポーズ推定のための,最初の大規模ベンチマークであるAP-10Kを提案する。 AP-10Kは動物23種と60種から収集・濾過された10,015枚からなる。 その結果、様々な動物種からの学習の精度と一般化能力の両面での優位性に関する実験的な証拠が得られた。
  論文  参考訳（メタデータ） (2021-08-28T10:23:34Z)
• Florida Wildlife Camera Trap Dataset [48.99466876948454]
  フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。 データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
  論文  参考訳（メタデータ） (2021-06-23T18:53:15Z)

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。