論文の概要: Overview of LifeCLEF Plant Identification task 2019: diving into data deficient tropical countries
- arxiv url: http://arxiv.org/abs/2509.18705v1
- Date: Tue, 23 Sep 2025 06:42:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-24 20:41:27.733848
- Title: Overview of LifeCLEF Plant Identification task 2019: diving into data deficient tropical countries
- Title（参考訳）: LifeCLEF植物識別タスク2019の概要:データ不足熱帯諸国への飛び込み
- Authors: Herve Goeau, Pierre Bonnet, Alexis Joly,
- Abstract要約: LifeCLEF 2019 Plant Identification Challengeは、データ不足領域のフローラ上での自動識別を評価するように設計されている。
主にギアナ・シールドとアマゾン北部の熱帯雨林に焦点を当てた10K種のデータセットに基づいている。
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,主な成果について分析する。
- 参考スコア（独自算出の注目度）: 2.961584451143903
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated identification of plants has improved considerably thanks to the recent progress in deep learning and the availability of training data. However, this profusion of data only concerns a few tens of thousands of species, while the planet has nearly 369K. The LifeCLEF 2019 Plant Identification challenge (or "PlantCLEF 2019") was designed to evaluate automated identification on the flora of data deficient regions. It is based on a dataset of 10K species mainly focused on the Guiana shield and the Northern Amazon rainforest, an area known to have one of the greatest diversity of plants and animals in the world. As in the previous edition, a comparison of the performance of the systems evaluated with the best tropical flora experts was carried out. This paper presents the resources and assessments of the challenge, summarizes the approaches and systems employed by the participating research groups, and provides an analysis of the main outcomes.
- Abstract（参考訳）: 近年のディープラーニングの進歩とトレーニングデータの利用により,植物の自動識別が大幅に向上した。
しかし、このデータの拡散は数万の種にしか関係しないが、地球には369万種近い種が存在する。
LifeCLEF 2019 Plant Identification Challenge(またはPlantCLEF 2019)は、データ不足領域のフローラ上での自動識別を評価するために設計された。
主にギアナの盾と北アマゾンの熱帯雨林に焦点を当てた10K種のデータセットに基づいており、世界で最も多様な植物や動物が生息している地域として知られている。
前版と同様に, 優れた熱帯植物学者と評価されたシステムの性能の比較を行った。
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,主な成果について分析する。
関連論文リスト
- Overview of PlantCLEF 2021: cross-domain plant identification [2.961584451143903]
The LifeCLEF 2021 plant Identification Challenge was designed to improve the extent of flora can be improve of the extent of flora can be improve by using herbarium collections。
主に南アメリカのギアナシールドに焦点をあてた約1000種のデータセットに基づいている。
この課題は、数十万枚のハーバリウムシートと数千枚の写真からなる、クロスドメイン分類タスクとして評価された。
論文 参考訳（メタデータ） (2025-09-23T06:26:24Z) - Overview of PlantCLEF 2022: Image-based plant identification at global scale [2.961584451143903]
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。
論文 参考訳（メタデータ） (2025-09-22T11:40:21Z) - 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 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) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - 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) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - 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 Plant Image Identification of Vietnamese species using Deep
Learning Models [0.0]
ベトナムの植物画像データセットは、Encyclopedia of Lifeとともに、ベトナムの生物のオンライン百科事典から収集された。
MobileNetV2、VGG16、ResnetV2、Inception ResnetV2の4つの深い畳み込み特徴抽出モデルを示す。
提案されたモデルは有望な認識率を達成し、MobilenetV2は83.9%で最高に達した。
論文 参考訳（メタデータ） (2020-05-05T09:59:10Z)
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。