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

• arxiv url: http://arxiv.org/abs/2406.09211v3
• Date: Tue, 15 Apr 2025 06:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-25 13:57:27.438622
• 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: 本稿では,140k以上の画像にわたる約33種の動物の身元が10k以上の大規模再同定ベンチマークであるWildlifeReID-10kを紹介する。 WildlifeReID-10kは多様な動物種をカバーし、SoTA法に大きな課題を提起している。 データセットとベンチマークは、クローズドセットとオープンセットの両方評価のための強力なベースラインとともに、Kaggleで公開されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces WildlifeReID-10k, a new large-scale re-identification benchmark with more than 10k animal identities of around 33 species across more than 140k images, re-sampled from 37 existing datasets. WildlifeReID-10k covers diverse animal species and poses significant challenges for SoTA methods, ensuring fair and robust evaluation through its time-aware and similarity-aware split protocol. The latter is designed to address the common issue of training-to-test data leakage caused by visually similar images appearing in both training and test sets. The WildlifeReID-10k dataset and benchmark are publicly available on Kaggle, along with strong baselines for both closed-set and open-set evaluation, enabling fair, transparent, and standardized evaluation of not just multi-species animal re-identification models.
• Abstract（参考訳）: 本稿では,140k以上の画像から約10k種以上の動物を同定し,37の既存データセットから再サンプリングしたWildlifeReID-10kについて紹介する。 WildlifeReID-10kは多様な動物種をカバーし、SoTA法において重要な課題を提起し、その時間的および類似性を考慮した分割プロトコルを通じて公平で堅牢な評価を確実にする。 後者は、トレーニングセットとテストセットの両方に視覚的に類似したイメージが現れることによって生じる、トレーニングからテストまでのデータリークの一般的な問題に対処するように設計されている。 WildlifeReID-10kデータセットとベンチマークは、クローズドセットとオープンセットの両方の評価のための強力なベースラインとともに、Kaggle上で公開されている。

関連論文リスト

• Multispecies Animal Re-ID Using a Large Community-Curated Dataset [0.19418036471925312]
  我々は、49種、37K個体、および225K画像を含むデータセットを構築し、このデータを用いて、すべての種に対して単一の埋め込みネットワークをトレーニングする。 我々のモデルは、各種で個別に訓練されたモデルより一貫して優れており、トップ1の精度で平均12.5%向上している。 このモデルは、大規模な野生生物モニタリングシステムですでに60種以上で生産されている。
  論文  参考訳（メタデータ） (2024-12-07T09:56:33Z)
• An Individual Identity-Driven Framework for Animal Re-Identification [15.381573249551181]
  IndivAIDはAnimal ReID用に特別に設計されたフレームワークである。 画像特異的で個人固有のテキスト記述を生成し、動物画像を通して個々の視覚概念をフルにキャプチャする。 8つのベンチマークデータセットと現実世界のStoatデータセットにわたる最先端メソッドに対する評価は、IndivAIDの有効性と適用性を示している。
  論文  参考訳（メタデータ） (2024-10-30T11:34:55Z)
• SPOTS-10: Animal Pattern Benchmark Dataset for Machine Learning Algorithms [0.08158530638728499]
  SPOTS-10(SPOTS-10)は、動物10種における多様なパターンを示す大規模な画像集である。 このデータセットは、その場で機械学習アルゴリズムを評価するためのリソースである。 トレーニングセットは4万の画像で構成され、テストセットは1万の画像を含んでいる。
  論文  参考訳（メタデータ） (2024-10-28T14:00:02Z)
• OpenAnimals: Revisiting Person Re-Identification for Animals Towards Better Generalization [10.176567936487364]
  本研究は,BoT,AGW,SBS,MGNなど,最先端の人物再同定手法を再検討することによって実施する。 我々は,HyenaID,LeopardID,SeaTurtleID,WhaleSharkIDなどの動物再同定ベンチマークにおいて,その有効性を評価する。 以上の結果から,いくつかの手法がうまく機能する一方で,多くの手法が一般化せず,2つの課題の間に有意な違いがあることが判明した。 textbfAnimal textbfReに適した強力な textbfBase モデルである ARBase を提案する。
  論文  参考訳（メタデータ） (2024-09-30T20:07:14Z)
• 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)
• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• 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。