基于特征嵌入和自动尺寸比较的反脊柱动物图像数据集高效策源
计算机视觉与模式识别
2024-12-23 v1
摘要
随着计算机视觉方法在环境监测领域的数据收集量不断增加，数据策源变得尤为重要。然而，数据策源往往采用非系统化方法且很少公开其方法。我们提出了一种用于策源大规模反脊柱动物图像数据集的方法，这些数据集包含同一物种或同一标本的多个图像，且图像背景相对统一。我们的做法基于使用预训练深度神经网络提取特征嵌入，并通过将这些嵌入与群体特征嵌入进行比较来寻找视觉上最不同的图像。我们还表明，一种基于面积的简单尺寸比较方法能够发现许多常见的错误图像，如包含分离身体部位或误分类样本的图像。除了方法本身，我们还提出了用于评估人类在回环式异常检测方法的新指标。我们的方法实现、以及包含已标注错误图像的基准数据集，均已公开于 https://github.com/mikkoim/taxonomist-studio。
引用
@article{arxiv.2412.15844,
title = {Efficient Curation of Invertebrate Image Datasets Using Feature Embeddings and Automatic Size Comparison},
author = {Mikko Impiö and Philipp M. Rehsen and Jenni Raitoharju},
journal= {arXiv preprint arXiv:2412.15844},
year = {2024}
}
备注
Accepted to IEEE CIETES 2025