丹麦真菌2020——不止是又一个图像识别数据集
计算机视觉与模式识别
2022-06-13 v4 图像与视频处理
摘要
我们引入了一个新颖的细粒度数据集与基准，即丹麦真菌2020（DF20）。该数据集由提交至丹麦真菌图鉴的观测记录构建而成，其独特之处在于分类学准确的类标签、极少的错误、高度不平衡的长尾类分布、丰富的观测元数据以及定义良好的类层级结构。DF20与ImageNet零重叠，从而允许从公开可用的ImageNet检查点微调的模型进行无偏比较。所提出的评估协议能够测试利用元数据（例如精确的地理位置、生境和基质）改进分类的能力，便于分类器校准测试，并最终允许研究设备设置对分类性能的影响。使用卷积神经网络（CNN）和近期的视觉Transformer（ViT）进行的实验表明，DF20提出了一项具有挑战性的任务。有趣的是，ViT取得了优于CNN基线的结果，准确率达80.45%、宏F1得分为0.743，分别将CNN误差降低了9%和12%。一种将元数据纳入决策过程的简单流程将分类准确率提高了超过2.95个百分点，使错误率降低了15%。所有方法和实验的源代码可在 https://sites.google.com/view/danish-fungi-dataset 获取。
引用
@article{arxiv.2103.10107,
title = {Danish Fungi 2020 -- Not Just Another Image Recognition Dataset},
author = {Lukáš Picek and Milan Šulc and Jiří Matas and Jacob Heilmann-Clausen and Thomas S. Jeppesen and Thomas Læssøe and Tobias Frøslev},
journal= {arXiv preprint arXiv:2103.10107},
year = {2022}
}