迈向全球生物多样性评估的一步：BIOSCAN-1M 昆虫数据集
计算机视觉与模式识别
2023-11-14 v3 人工智能
机器学习
摘要
为编录昆虫生物多样性，我们提出一个新的手标昆虫图像大型数据集，即 BIOSCAN-Insect 数据集。每条记录均由专家进行 taxonomic 分类，并附有包括原始核苷酸条形码序列与指定条形码索引号在内的遗传信息，后者是基于遗传的物种分类代理。本文呈现一个经过整理的百万图像数据集，主要用于训练能够提供基于图像的分类学评估的计算机视觉模型，然而该数据集也呈现出引人注目的特征，对其研究会引起更广泛机器学习社群的兴趣。受数据集固有生物学性质驱动，其展现出长尾类不平衡分布特征。此外，分类学标注是一种层级分类方案，在较低层级呈现高度细粒度分类问题。除了激发机器学习社群对生物多样性研究的兴趣外，创建基于图像的分类学分类器的进展也将推进所有 BIOSCAN 研究的最终目标：为全面普查全球生物多样性奠定基础。本文介绍该数据集并通过实现与分析一个基线分类器来探索分类任务。
引用
@article{arxiv.2307.10455,
title = {A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect Dataset},
author = {Zahra Gharaee and ZeMing Gong and Nicholas Pellegrino and Iuliia Zarubiieva and Joakim Bruslund Haurum and Scott C. Lowe and Jaclyn T. A. McKeown and Chris C. Y. Ho and Joschka McLeod and Yi-Yun C Wei and Jireh Agda and Sujeevan Ratnasingham and Dirk Steinke and Angel X. Chang and Graham W. Taylor and Paul Fieguth},
journal= {arXiv preprint arXiv:2307.10455},
year = {2023}
}