論文の概要: Plant identification in an open-world (LifeCLEF 2016)

• arxiv url: http://arxiv.org/abs/2509.20870v1
• Date: Thu, 25 Sep 2025 08:01:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.779302
• Title: Plant identification in an open-world (LifeCLEF 2016)
• Title（参考訳）: オープンワールドにおける植物識別(LifeCLEF 2016)
• Authors: Herve Goeau, Pierre Bonnet, Alexis Joly,
• Abstract要約: LifeCLEFの植物識別課題は、植物識別方法やシステムを大規模に評価することを目的としている。 2016年の第2版は実際に西ヨーロッパに生息する1000種の植物を映し出した110万枚以上の画像に基づいて行われた。
• 参考スコア（独自算出の注目度）: 2.961584451143903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The LifeCLEF plant identification challenge aims at evaluating plant identification methods and systems at a very large scale, close to the conditions of a real-world biodiversity monitoring scenario. The 2016-th edition was actually conducted on a set of more than 110K images illustrating 1000 plant species living in West Europe, built through a large-scale participatory sensing platform initiated in 2011 and which now involves tens of thousands of contributors. The main novelty over the previous years is that the identification task was evaluated as an open-set recognition problem, i.e. a problem in which the recognition system has to be robust to unknown and never seen categories. Beyond the brute-force classification across the known classes of the training set, the big challenge was thus to automatically reject the false positive classification hits that are caused by the unknown classes. This overview presents more precisely 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）: LifeCLEFの植物識別チャレンジは、現実世界の生物多様性監視シナリオの条件に近く、植物識別方法やシステムを非常に大規模に評価することを目的としている。 2016年の第2版は、西ヨーロッパに生息する植物種1000種を映し出した110万枚以上の画像に基づいて、2011年に始まった大規模な参加型センシングプラットフォームを通じて制作され、現在数万のコントリビューターが参加している。 過去数年間の主な特徴は、識別タスクがオープンセット認識問題として評価されたこと、すなわち、認識システムが未知のカテゴリに対して堅牢で、見たことのないカテゴリに対して堅牢でなければならない問題である。 トレーニングセットの既知のクラス間でのブルートフォース分類以外の大きな課題は、未知のクラスによって引き起こされる偽陽性分類ヒットを自動的に拒否することであった。 この概要は、課題のリソースと評価をより正確に提示し、参加研究グループによって採用されるアプローチとシステムを要約し、主な成果について分析する。

関連論文リスト

• Overview of LifeCLEF Plant Identification task 2019: diving into data deficient tropical countries [2.961584451143903]
  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。
  論文  参考訳（メタデータ） (2025-09-23T06:42:30Z)
• Overview of LifeCLEF Plant Identification task 2020 [2.961584451143903]
  LifeCLEF 2020 Plant Identification Challenge(またはPlantCLEF 2020)は、ハーバリウムコレクションを使うことで、データ不足領域のフローラにおける自動識別がどの程度改善できるかを評価するために設計された。 主に南アメリカのギアナ・シールド(Guiana Shield)に焦点を絞った約1000種のデータセットをベースとしている。 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で構成された、ドメイン間のマッピングの学習を可能にす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） (2025-09-23T06:35:19Z)
• 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)
• Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
  歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
  論文  参考訳（メタデータ） (2022-05-05T14:57:39Z)
• Generalized Category Discovery [148.32255950504182]
  本稿では,ラベル付き画像集合とラベル付き画像集合とを併用した画像認識手法を提案する。 ここでは、未表示の画像はラベル付きクラスから、あるいは新しいものから来ているかもしれない。 まず、新しいカテゴリー発見から最先端のアルゴリズムを取り入れ、そのタスクに適応することで、強力なベースラインを確立する。 次に、単純だが効果的な半教師付き$k$-meansメソッドを導入する。
  論文  参考訳（メタデータ） (2022-01-07T18:58:35Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Learning Open Set Network with Discriminative Reciprocal Points [70.28322390023546]
  オープンセット認識は、事前に定義されたクラスからサンプルを同時に分類し、残りを「未知」として識別することを目的としている。 本稿では,各既知圏に対応するクラス外空間のポテンシャル表現であるReciprocal Pointを提案する。 相互点によって構成される有界空間に基づいて、未知のリスクは多圏相互作用によって減少する。
  論文  参考訳（メタデータ） (2020-10-31T03:20:31Z)
• 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)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。