AnimalWeb：一个大规模分层标注动物面部数据集
计算机视觉与模式识别
2019-09-12 v1
摘要
由于高度依赖动物，我们有道德义务通过理解其需求来改善其福祉。若干研究表明，动物需求常通过其面部表达。尽管在人类面部自动理解方面已取得显著进展，遗憾的是动物面部方面并非如此。开发能够解读动物面部的自动系统存在显著空间与切实需求。除许多变革性影响外，此类技术将促进更好且更廉价的动物医疗，并进一步推进对动物心理学的理解。我们认为相关研究进展主要受阻于缺乏涵盖广泛动物物种的适当标注动物面部数据集。为此，我们引入一个大规模、分层的标注动物面部数据集，包含来自生物分类学中 334 个多样物种与 21 个动物目共 21.9K 张面部图像。这些面部捕获于“野外”条件，并一致地标注了关键面部特征上的 9 个关键点。所提数据集在设计上结构化且可扩展；其开发经历了四个系统阶段，涉及超过 6K 人工小时的严格手动标注工作。我们在新问题设定下使用现有方法对其进行了人脸对齐基准测试。结果展示了其挑战性、独特属性，并呈现出用于新颖、自适应和泛化面向面部的 CV 算法的明确前景。我们进一步对该数据集进行人脸检测与细粒度识别任务基准测试，以展示多任务应用与改进空间。实验表明，该数据集将推动许多相关 CV 任务的算法进展，并鼓励开发用于动物面部行为监测的新颖系统。我们将公开该数据集。
引用
@article{arxiv.1909.04951,
title = {AnimalWeb: A Large-Scale Hierarchical Dataset of Annotated Animal Faces},
author = {Muhammad Haris Khan and John McDonagh and Salman Khan and Muhammad Shahabuddin and Aditya Arora and Fahad Shahbaz Khan and Ling Shao and Georgios Tzimiropoulos},
journal= {arXiv preprint arXiv:1909.04951},
year = {2019}
}
备注
15 pages, 14 figures