論文の概要: Plant Taxonomy Meets Plant Counting: A Fine-Grained, Taxonomic Dataset for Counting Hundreds of Plant Species

• arxiv url: http://arxiv.org/abs/2603.21229v1
• Date: Sun, 22 Mar 2026 13:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.300992
• Title: Plant Taxonomy Meets Plant Counting: A Fine-Grained, Taxonomic Dataset for Counting Hundreds of Plant Species
• Title（参考訳）: 植物分類学と植物数:数百種の植物を分類するための細粒の分類学的データセット
• Authors: Jinyu Xu, Tianqi Hu, Xiaonan Hu, Letian Zhou, Songliang Cao, Meng Zhang, Hao Lu,
• Abstract要約: TPC-268は植物分類を取り入れた最初の植物カウントベンチマークである。 データセットには1万の画像と678,050点のアノテーションが含まれている。 植物種は268種類あり、植物種は242種類、植物種はFungiである。
• 参考スコア（独自算出の注目度）: 9.22893600241327
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visually cataloging and quantifying the natural world requires pushing the boundaries of both detailed visual classification and counting at scale. Despite significant progress, particularly in crowd and traffic analysis, the fine-grained, taxonomy-aware plant counting remains underexplored in vision. In contrast to crowds, plants exhibit nonrigid morphologies and physical appearance variations across growth stages and environments. To fill this gap, we present TPC-268, the first plant counting benchmark incorporating plant taxonomy. Our dataset couples instance-level point annotations with Linnaean labels (kingdom -> species) and organ categories, enabling hierarchical reasoning and species-aware evaluation. The dataset features 10,000 images with 678,050 point annotations, includes 268 countable plant categories over 242 plant species in Plantae and Fungi, and spans observation scales from canopy-level remote sensing imagery to tissue-level microscopy. We follow the problem setting of class-agnostic counting (CAC), provide taxonomy-consistent, scale-aware data splits, and benchmark state-of-the-art regression- and detection-based CAC approaches. By capturing the biodiversity, hierarchical structure, and multi-scale nature of botanical and mycological taxa, TPC-268 provides a biologically grounded testbed to advance fine-grained class-agnostic counting. Dataset and code are available at https://github.com/tiny-smart/TPC-268.
• Abstract（参考訳）: 自然界を視覚的にカタログ化し、定量化するには、詳細な視覚分類とスケールでのカウントの両方の境界を推し進める必要がある。 特に群集や交通分析において顕著な進歩があったにもかかわらず、細粒度で分類に敏感な植物は目視では未発見のままである。 群集とは対照的に、植物は成長段階や環境にまたがる非剛体形態と物理的外観の変化を示す。 このギャップを埋めるために,植物分類を取り入れた最初の植物カウントベンチマークTPC-268を提案する。 本データセットはLinnaeanラベル(Kingdom ->種)とオルガンカテゴリとインスタンスレベルのポイントアノテーションを結合し,階層的推論と種認識評価を可能にした。 データセットは1万枚の画像と678,050点のアノテーションを持ち、植物相と真菌の242種の植物種に268個の可算な植物分類が含まれており、天蓋レベルのリモートセンシング画像から組織レベルの顕微鏡まで観察スケールにまたがっている。 CAC(class-agnostic counting)の問題設定、分類に一貫性のあるスケール対応データ分割、最先端の回帰と検出に基づくCACアプローチのベンチマークなどに従う。 TPC-268は、生物多様性、階層構造、および植物学および菌類分類学のマルチスケールの性質を捉えることにより、微細なクラスに依存しないカウントを推し進めるために生物学的に接地されたテストベッドを提供する。 データセットとコードはhttps://github.com/tiny-smart/TPC-268で公開されている。

関連論文リスト

• Towards Ancient Plant Seed Classification: A Benchmark Dataset and Baseline Model [62.98256440452042]
  我々は,最初の古植物種子画像分類データセットを構築した。 中国各地の18の遺跡から出土した17種の種または種レベルの種から8,340枚の画像が含まれている。 定量的および定性的な分析では、既存の最先端画像分類法を超越し、90.5%の精度を達成している。
  論文  参考訳（メタデータ） (2025-12-20T07:18:22Z)
• 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 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 [60.80381372245902]
  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)
• A novel approach to navigate the taxonomic hierarchy to address the Open-World Scenarios in Medicinal Plant Classification [0.0]
  既存の薬草分類法は、しばしば階層的な分類や未知の種を正確に識別することができないことが観察された。 DenseNet121,Multi-Scale Self-Attention (MSSA) と階層分類のためのカスケード分類器を組み合わせた新しい手法を提案する。 提案するモデルサイズは,既存の最先端技術に比べて約4倍小さく,現実のアプリケーションに容易にデプロイできる。
  論文  参考訳（メタデータ） (2025-02-24T16:20:25Z)
• 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)
• 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。