論文の概要: Overview of PlantCLEF 2022: Image-based plant identification at global scale

• arxiv url: http://arxiv.org/abs/2509.17632v1
• Date: Mon, 22 Sep 2025 11:40:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.349516
• Title: Overview of PlantCLEF 2022: Image-based plant identification at global scale
• Title（参考訳）: PlantCLEF 2022の概要:世界規模でのイメージベース植物識別
• Authors: Herve Goeau, Pierre Bonnet, Alexis Joly,
• Abstract要約: 世界には30万種以上の植物が生息していると推定されている。 深層学習技術は、植物生物多様性のグローバルな同定という、究極的で現実的な問題に対処できるほど成熟したように思える。 PlantCLEF2022 Challenge Editionは、マルチイメージ(およびメタデータ)の分類問題に取り組むことで、この方向への一歩を踏み出すことを提案している。
• 参考スコア（独自算出の注目度）: 2.961584451143903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is estimated that there are more than 300,000 species of vascular plants in the world. Increasing our knowledge of these species is of paramount importance for the development of human civilization (agriculture, construction, pharmacopoeia, etc.), especially in the context of the biodiversity crisis. However, the burden of systematic plant identification by human experts strongly penalizes the aggregation of new data and knowledge. Since then, automatic identification has made considerable progress in recent years as highlighted during all previous editions of PlantCLEF. Deep learning techniques now seem mature enough to address the ultimate but realistic problem of global identification of plant biodiversity in spite of many problems that the data may present (a huge number of classes, very strongly unbalanced classes, partially erroneous identifications, duplications, variable visual quality, diversity of visual contents such as photos or herbarium sheets, etc). The PlantCLEF2022 challenge edition proposes to take a step in this direction by tackling a multi-image (and metadata) classification problem with a very large number of classes (80k plant species). This paper presents the resources and evaluations of the challenge, summarizes the approaches and systems employed by the participating research groups, and provides an analysis of key findings.
• Abstract（参考訳）: 世界には30万種以上の植物が生息していると推定されている。 これらの種の知識の増大は、特に生物多様性危機の文脈において、人類文明(農業、建設、製薬所など)の発展にとって最重要課題である。 しかし、人間の専門家による系統的植物識別の負担は、新しいデータや知識の集約を強く罰する。 それ以来、PlanCLEFの以前の全版で強調されたように、自動識別は近年かなりの進歩を遂げている。 深層学習技術は、データが存在する可能性のある多くのクラス、非常に不均衡なクラス、部分的に誤った識別、重複、様々な視覚的品質、写真やハーバリウムシートなどの視覚的内容の多様性など)にもかかわらず、植物生物のグローバルな識別という究極の現実的な問題に対処するには十分に成熟しているように見える。 PlantCLEF2022 Challenge Editionは、非常に多くのクラス(80kの植物種)でマルチイメージ(およびメタデータ)の分類問題に取り組むことで、この方向への一歩を踏み出すことを提案している。 本稿では,課題の資源と評価について概説し,参加研究グループによるアプローチとシステムについて概説し,重要な知見について分析する。

関連論文リスト

• Overview of PlantCLEF 2023: Image-based Plant Identification at Global Scale [2.961584451143903]
  PlantCLEF2023の課題は、幅広いクラスの集合を含むマルチイメージ(およびメタデータ)の分類問題に対処することを目的としている。 本稿では,課題の資源と評価について概説し,参加研究グループで採用する手法とシステムについて概説し,重要な知見の分析を行う。
  論文  参考訳（メタデータ） (2025-09-22T11:34:10Z)
• Overview of PlantCLEF 2025: Multi-Species Plant Identification in Vegetation Quadrat Images [2.526933812879881]
  PlantCLEF 2025の課題は、専門家によって注釈付けされ、約400種をカバーする2,105個の高解像度のマルチラベル画像の新たなテストセットに依存している。 目標は、シングルラベルのトレーニングデータを用いて、四角形画像に存在する全ての種を予測することである。
  論文  参考訳（メタデータ） (2025-09-22T11:21:53Z)
• Overview of PlantCLEF 2024: multi-species plant identification in vegetation plot images [2.7110107174608173]
  PlantCLEF 2024チャレンジでは、専門家が注釈を付け、800種以上をカバーした何千ものマルチラベル画像の新たなテストセットを活用する。 個々の植物画像170万枚からなる大規模なトレーニングセットと、このデータに基づいて事前訓練された最先端のビジョントランスフォーマーモデルを提供する。 目的は、高解像度プロット画像上に存在するすべての植物種を予測することである。
  論文  参考訳（メタデータ） (2025-09-19T08:51:41Z)
• BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [51.341003735575335]
  生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。 我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。 得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
  論文  参考訳（メタデータ） (2025-05-29T17:48:20Z)
• Self-supervised transformer-based pre-training method with General Plant Infection dataset [3.969851116372513]
  本研究では、コントラスト学習とマスクド画像モデリング(MIM)を組み合わせた高度なネットワークアーキテクチャを提案する。 提案するネットワークアーキテクチャは,植物害虫や病原体認識タスクに対処し,優れた検出精度を実現する。 私たちのコードとデータセットは、植物害虫の研究と病気の認識を促進するために公開されます。
  論文  参考訳（メタデータ） (2024-07-20T15:48:35Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
  きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。 本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
  論文  参考訳（メタデータ） (2021-11-11T09:43:56Z)
• The Herbarium 2021 Half-Earth Challenge Dataset [1.1470070927586016]
  ハーバリウムシートは、世界の植物の歴史、進化、多様性のユニークな見方を示している。 世界規模で草原のデジタル化が進み、細粒度分類領域の進歩に伴い、この分野の研究を支援する機会が数多くある。 既存のデータセットは小さすぎるか、多様でないかのどちらかで、分類学、地理的分布、ホスト機関を表す。 自動分類のためのハーバリウム標本の最大かつ最も多種多様なデータセットであるハーバリウムハーフアースデータセットを提示する。
  論文  参考訳（メタデータ） (2021-05-28T13:24:12Z)
• MGD-GAN: Text-to-Pedestrian generation through Multi-Grained Discrimination [96.91091607251526]
  本稿では, 人的部分に基づく識別器と自己対応型識別器を併用した多点識別拡張生成適応ネットワークを提案する。 HPDモジュールには、多彩な外観と鮮明な詳細を強制するために、きめ細かい単語レベルの注意機構が採用されている。 様々な測定値に対する大幅な改善は、MGD-GANがテキストからペデストリアン合成シナリオに有効であることを示す。
  論文  参考訳（メタデータ） (2020-10-02T12:24:48Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。